- •1.1 Понятие и классификация экономико-математических моделей
- •1.2. Примеры типовых экономико-математических моделей
- •Модуль 2. Сетевые модели в планировании и управлении
- •2.1. Элементы и правила построения сетевой модели
- •2.3. Алгоритм расчета параметров детерминированной сетевой модели
- •2.3. Диаграмма затрат ресурсов и ее оптимизация
- •2.4. Сетевые модели в условиях полной неопределенности
- •2.5. Вопросы для самоконтроля
- •2.6. Тесты. Сетевые модели
- •2.7. Практикум
- •Модуль 3. Экономико-математическая модель межотраслевого баланса «затраты – выпуск»
- •Модель «Затраты–Выпуск». Открытая модель Леонтьева
- •3.2. Замкнутая модель Леонтьева
- •3.3. Динамическая модель Леонтьева
- •3.4. Матричные модели предприятий, фирм
- •3.5. Вопросы для самоконтроля
- •3.6. Тесты. Балансовые модели
- •3.7. Практикум
- •1. Матрица внутрифирменных связей:
- •2. Матрица распределения чистой продукции:
- •3. Матрица затрат ресурсов (фонд заработной платы, материалы, э/энергия, износ оборудования):
- •Модуль 4. Методы и модели линейного программирования
- •4.1. Математическая модель общей задачи линейного программирования
- •4.2. Симплекс - метод решения задач линейного программирования
- •4.3. Двойственность в линейном программировании
- •4.4. Решение задач линейного программирования средствами excel
- •4.5. Вопросы для самоконтроля
- •4.6. Тесты. Линейное программирование
- •4.7. Практикум
- •Модуль 5. Транспортные задачи линейного программирования
- •5.1. Постановка и математическая модель транспортной задачи
- •Математическая модель тз:
- •5.2. Алгоритм решения транспортной задачи методом потенциалов
- •5.3. Транспортная задача с ограничениями на пропускную способность
- •5.4. Метод потенциалов для задачи Td
- •5.5. Вопросы для самоконтроля
- •5.6 Тесты. Транспортные задачи
- •5.7. Практикум
- •Модуль 6. Динамическое программирование
- •6.1. Оптимальное распределение ресурсов
- •6.2. Задача о замене оборудования
- •6.3. Применение динамического программирования в вопросах перспективного планирования.
- •6.4. Выбор оптимальных маршрутов методом динамического программирования
- •6.5. Вопросы для самоконтроля
- •6.6. Тесты. Динамическое программирование
- •6.7. Практикум
- •Задание 4. Выбор оптимальных маршрутов и инцидентных цепей
- •7.1. Постановка и геометрический смысл общей задачи нелинейного программирования
- •7.2. Метод множителей Лагранжа
- •7.3. Градиентные методы
- •7.4. Метод Франка-Вулфа
- •7.5. Метод штрафных функций
- •7.6. Метод наискорейшего спуска
- •7.7. Вопросы для самоконтроля
- •7.8. Практикум
- •Рекомендуемая литература
- •Содержание
- •Математические методы и модели в экономике
- •Издательство
- •625000, Г. Тюмень, ул. Володарского, 38
- •625039, Г. Тюмень, ул. Киевская, 52
7.6. Метод наискорейшего спуска
С целью уменьшения общего количества итераций применяют градиентный метод с переменным шагом (дроблением шага). Этот метод называют методом наискорейшего спуска. В градиентном методе наискорейшего спуска первоначальный шаг выбирается достаточно большим, а затем его величина уменьшается в соответствии с определенным правилом, например, методом деления отрезка пополам. Величина шага на каждой итерации связана с поведением функции в окрестности очередной точки последовательности.
В методе наискорейшего спуска движение предполагается по градиенту с оптимальной, т. е. по возможности наибольшей величиной шага на каждой итерации, исходя из условия экстремума целевой функции в направлении градиента
. (7.21)
На каждой итерации необходимо решать задачу оптимизации целевой функции как одномерной функции величины шага
. (7.22)
Значение h, при котором достигается минимум функции , принимается за величину оптимального шага . При поиске минимума целевой функции в формулах (7.9) и (7.22) ставится минус и плюс - в случае нахождения максимума функции.
Решение задачи оптимизации функции может выполняться любыми методами.
Если функция дифференцируема, то искомым значением будет корень уравнения .
Геометрический смысл метода наискорейшего спуска:
Рассмотрим ,
и ,
то .
Следовательно,
. (7.23)
Так как , то градиенты целевой функции в двух соседних точках итерационной последовательности взаимно ортогональны. Поэтому траектория поиска представляет последовательность ортогональных друг к другу отрезков прямых (Рис. 7.5).
Рис.7.5. Траектория поиска экстремума
Пример. Найти максимум функции в условиях предыдущего примера методом наискорейшего спуска.
Результаты вычислений представлены в расчетной таблице 7.2.
Таблица 7.2
Расчетная таблица
|
|
|
|
|
||||
к |
||||||||
0 |
0 |
0 |
2 |
12 |
12,17 |
3+148h-292 |
148-584h=0 |
0,25 |
1 |
0,5 |
3,0 |
1 |
0 |
1,0 |
21,75+h- |
1-2h=0 |
0,5 |
2 |
1,0 |
3,0 |
0 |
0 |
0 |
|
|
- |
Уже на второй итерации получен результат. Пояснение для первой строки расчетной таблицы 7.2:
1-й шаг: Начальная точка . Для целевой функции =3+2 находим ; ,17;
и ;
.
Подставим полученные значения в уравнение целевой функции . Находим и . и т.д.
Модификация метода скорейшего спуска
Решается задача минимизации функции .
Задаем координаты начальной точки и находим градиент (используется разностное приближение производной).
Выбираем шаг h, затем переходим в направлении антиградиента в новую точку, выбираем шаг h1 (используется метод деления отрезка пополам).
Чтобы избежать зацикливания программы, в нее вставлен счетчик циклов Т, когда Т > , счет оканчивается (высвечивается “ Время ”); счет также заканчивается, когда сумма абсолютных величин производных меньше заданного положительного числа ..