- •Конспект лекцій Частина іі з дисципліни “Числові методи і моделювання на еом”
- •Симплекс-Метод для відшукання опорного рішення
- •Приклад відшукання опорного рішення.
- •Симплекс-Метод для відшукання оптимального рішення.
- •Приклад відшукання оптимального рішення
- •Задача апроксимації функції.
- •Інтерполяційний багаточлен Лагранжа й різні форми його запису.
- •Задача рівномірного наближення функції.
- •11.4. Метод найменших квадратів.
- •Багаточлени Бернштейна.
- •Постановка транспортного завдання лінійного програмування.
- •12.2. Термінологія транспортного завдання лінійного програмування
- •Опис методу потенціалів рішення транспортного завдання лінійного програмування
- •Лекция 13
- •Аналіз періодичності послідовностей. Приклад рішення транспортної задачі методом потенціалів
- •Лекция 14 методи розв’язку оптимізаційних задач. Основне завдання опуклого програмування: термінологія й формулювання.
- •Опуклі множини й опуклі функції
- •Формулювання основного завдання опуклого програмування
- •Канонічна форма основного завдання опуклого програмування
- •Пошук вихідного наближення.
- •Лекція 15 моделювання лінійних систем. Метод найшвидшого спуска вирішення основної задачі опуклого програмування
- •Лекция 16 моделювання стохастичних систем приклад реалізації методу найшвидшого спуска рішення основного завдання опуклого програмування.
- •Квадратичні форми і їхні різновиди.
- •Формулювання основного завдання квадратичного програмування.
- •17.3. Рішення основного завдання квадратичного програмування.
- •Приклад рішення основного завдання квадратичного програмування.
- •Лекція 18 програмні засоби моделювання на еом
- •18.1. Програмне забезпечення задач про наближення функцій.
- •18.2. Основні методи пошуку найкращого рівняння
- •Список рекомендованої літератури
Лекция 16 моделювання стохастичних систем приклад реалізації методу найшвидшого спуска рішення основного завдання опуклого програмування.
Потрібно знайти мінімум функції
при обмеженнях
Зміст того, що буде зроблено нижче - доставити матеріал для контрольного приклада до програми, що реалізує метод найшвидшого спуска.
Для початку потрібно знайти нульове наближення й фіксувати початкову точність Будемо вважати, що точку знайшли «на око» - це точка =(1,-1,9). У цьому випадку
.
Покладемо =0.5. Тоді
.
Визначаємо напрямок спуска . Для цього вирішуємо завдання лінійного програмування:
при обмеженнях:
Нагадаємо, що похідні по напрямку вважаються в точці , а також те, що нерівність являє собою пару нерівностей: або, що те ж саме, . Крім того, помітимо, що змінні в обговорюваній ситуації - це координати вектора; тому важливо лише, щоб вони були хоч якось обмежені по модулі (не обов'язково саме числом 1); важливий лише сам факт їхньої обмеженості по модулі в обговорюваному завданні. Тому обсяг обчислень у даному конкретному прикладі скоротиться, якщо помітити, що з умов і інших обмежень треба, що й змінна обмежено. Отже, можна зменшити обсяг вихідної інформації (саме в цьому випадку) і сформулювати завдання так:
при обмеженнях:
Вирішивши це завдання, одержимо:
Обчислимо тепер Маємо: . Отже, .
Далі варто визначити крок . Для цього фіксують пряму
.
Далі відшукується найменший з позитивних корінь рівнянь
.
Ним виявляється .
Нарешті, визначимо нове наближення по формулі
.
Тепер треба повторити всі спочатку, замінивши на й на . Одержимо (у відповідному завданні лінійного програмування знову можна буде видалити обмеження ):
Тому . Рухаючись по тій же схемі (у даному прикладі вдається щораз не включати умову , що полегшує процес рішення), ми будемо одержувати:
Упевнимося тепер, що точка є рішенням завдання. Для цього, прийнявши її за чергове наближення, спробуємо знайти наближення наступне. Маємо:
Знайдемо тепер похідні по напрямку
у точці . Одержимо:
Тепер формулюємо завдання лінійного програмування:
при обмеженнях:
(Тут теж немає умови тільки через особливості даного приклада.) Одержимо: А це й означає, що точка (0;1;-1) - рішення.
Лекція 17
МОДЕЛЮВАННЯ ТА ОПТИМІЗАЦІЯ ТИПОВИХ
ПРОЦЕСІВ ТЕПЛО- ТА МАСООБМІНУ.
ОСНОВНЕ ЗАВДАННЯ КВАДРАТИЧНОГО ПРОГРАМУВАННЯ Й АДАПТАЦІЯ МЕТОДУ НАЙШВИДШОГО СПУСКА ДО ЇЇ РІШЕННЯ.
Квадратичні форми і їхні різновиди.
Квадратичною формою називається вираження
,
у якому - змінні, а матриця складається із чисел, які називаються коефіцієнтами квадратичної форми. Прийнято вважати, що матриця симетрична, тобто Коли квадратична форма звертається в нуль тільки на нульових значеннях змінних, неї називають певною; у противному випадку квадратична форма називається невизначеної. Якщо квадратична форма, будучи певної, приймає тільки ненегативні значення, то неї називають позитивно певної, а якщо всього її значення менше або дорівнюють нулю, то вона називається негативно певної.
Коли у вираженні
для всіх виконуються рівності , говорять, що вид квадратичної форми - діагональний. Очевидно, що при діагональному виді квадратичної форми безпосередньо із цього виду можна усвідомити, чи є форма певної й, якщо так, те якого знака. У загальному ж випадку для відповіді на таке питання прийнято спочатку привести квадратичну форму до діагонального виду. Нагадаємо, що мається на увазі під цією дією.
Виділимо у квадратичній формі всі доданки, що містять змінну :
.
Припустимо спочатку, що . Тоді виділену групу доданків можна перетворити так:
.
Якщо тепер позначити , то вихідну квадратичну форму можна переписати у вигляді:
,
після чого описану процедуру треба застосувати до тої частини квадратичної форми, що описана під знаком останньої суми. І так далі, поки не вийде діагональний вид.
У тім же випадку, коли у вираженні коефіцієнт , вибирають будь-який , не дорівнює нулю й думають:
Після такої заміни вже виникає доданок з і стає застосовна описана раніше схема.