- •Введение
- •Часть 1. Линейное программирование
- •1.1. Построение линейных экономико-математических моделей
- •Примеры задач
- •1.2. Формы записи задач линейного программирования
- •1.3. Свойства решений задач линейного программирования
- •1.4. Геометрический смысл и графический метод решения задач линейного программирования
- •1.5. Симплексный метод решения задач линейного программирования
- •1.6. Симплексный метод с искусственым базисом
- •1.7. Элементы теории двойственности
- •А. Симметричная двойственная пара
- •В. Несимметричная двойственная пара
- •1.8. Основные теоремы двойственности
- •1.9. Транспортная задача
- •Алгоритм метода потенциалов
- •1.10. Задача об оптимальных назначениях
- •Часть 2. Нелинейное программирование
- •2.1. Дробно-линейное программирование
- •2.1.1. Постановка задачи
- •Общую задачу дробно-линейного программирования (в дальнейшем длп) обычно записывают в виде:
- •2.1.2. Графическое решение задач длп
- •2.1.3. Симплекс-метод в длп
- •2.2. Общая задача нелинейного программирования. Классификация вычислительных методов
- •Условия (1) и (2), а также
- •По постановке задачи.
- •2. По характерным чертам алгоритмов.
- •2.3. Эффективные методы одномерной минимизации
- •2.4. Графический метод решения задач нелинейного программирования
- •2.5. Методы минимизации для задач без ограничений, использующие производные
- •2.6. Методы минимизации, не использующие производные
- •2.7. Методы решения задач нелинейного программирования с ограничениями
- •2.7.1. Методы линейной аппроксимации
- •2.7.2. Понятие о методах штрафных функций
- •Список использованной литературы:
- •Содержание
- •Часть 1. Линейное программирование 3
- •Часть 2. Нелинейное программирование 47
2.7. Методы решения задач нелинейного программирования с ограничениями
Задачи с ограничениями более трудны, чем задачи безусловной минимизации. В основном процедура их решения базируется на одном из следующих подходов:
1. Распространение аппарата линейного программирования (последовательная линейная аппроксимация).
2. Преобразование задачи с ограничениями в задачу безусловной минимизации путем введения штрафных функций.
2.7.1. Методы линейной аппроксимации
Основная идея этих методов – замена всех нелинейных функций их разложением в ряд Тейлора до членов 1-го порядка в окрестности текущей точки поиска и решение полученной задачи линейного программирования. Если обозначить через Х(к) оптимальное решение соответствующей линейной задачи на к-ом этапе, то при выполнении определенных условий последовательность решений должна сходиться к оптимальному решению исходной нелинейной задачи: .
Рассмотрим общую задачу нелинейного программирования:
Соответствующая линейная аппроксимация в окрестности точки :
Пример 2.7.1. Решим методом линейной аппроксимации следующую задачу нелинейного программирования:
D:
В качестве начальной точки возьмем точку . Тогда
В результате линейной аппроксимации получим:
L:
Х2
A1 f = –12
A
D f = 0
B
g2(X) L
0 B1 Х1
5
Рис. 2.7.1
На чертеже исходная область D имеет вид дуги АВ, а линеаризованная область допустимых решений L – отрезок прямой А1В1. Легко видеть, что истинное оптимальное решение исходной задачи достигается в точке А ≈ (1; 4,9), .
Найдем графическое решение линеаризованной задачи в первом приближении. Очевидно , значит min f достигается в точке А1, в которой пересекаются прямые . Решаем систему линейных уравнений:
4х1 + 8х2 = 45;
3х1 + х2 = 7; отсюда
Найденная точка А1 не принадлежит допустимой области, тем не менее в окрестности А1 мы можем еще раз проделать линейную аппроксимацию нашей задачи:
Решение этой задачи достигается в точке А2 (0,96; 4,9), где
Еще одну итерацию можно произвести, проделав линейную аппроксимации в окрестности А2:
L:
Решение последней задачи достигается в точке А3(1,001; 4,899),
Видно, что полученное решение с достаточно большой точностью совпадает с истинным решением нелинейной задачи.
***
В методе Р. Гриффитца и А. Стюарта к описанной процедуре добавляется условие:
; j = 1, …, n,
где вектор с достаточно малыми компонентами. Данное условие ограничивает длину шага при перемещении в том или ином направлении и не позволяет очередному приближенному решению выходить за границы D. В дальнейшем, по мере приближения к окончательному решению, компоненты уменьшают а критерием окончания поиска является условие:
Сходимость методов линейной аппроксимации к искомому решению гарантируется при выполнении условий:
-
D – непустое, замкнутое и выпуклое множество;
-
функции ограничены в D;
3) непрерывны и дифференцируемы;
4) – выпукла, а – вогнуты на D.
На практике для большинства реальных задач данные методы позволяют найти локальный минимум даже в тех случаях, когда условия (1)–(4) не выполнены.