3.2. Метод штрафных функций
Основная идея метода штрафных функций состоит в преобразовании задачи минимизации функции с соответствующими ограничениями, наложенными на аргументы в задачу поиска минимума функции без ограничений.
Преимущество, которое получаем в результате такого перехода к новой функции, достигается за счет применения более простых алгоритмов.
Методы штрафных функций можно разделить на два класса: параметрические и непараметрические. Параметрические методы характеризуются наличием одного или нескольких параметров, входящих в структуру штрафной функции в качестве весовых коэффициентов.
Например, требуется найти минимум функции
при ограничениях
Введём функцию
Здесь выступает в роли штрафа. Штраф можно выбрать в виде
или в виде
где - некоторый положительный параметр.
Примеры выбора вида штрафной функции:
Пусть дана функция при ограничениях. Выберем штраф как
В результате минимизируем функцию
Другой пример. Требуется минимизировать функцию при ограничении
Прибавим к целевой функции значение, тогда получим функции без ограничений
Таким образом, метод штрафных функций определяются как выбором вида штрафа, так и выбором параметра.
Рассмотрим на конкретном примере один из параметрических методов, а именно метод внутренней точки.
Пусть требуется минимизировать функцию при ограничениях
Исходная точка поиска .
1. Строим функцию без ограничений, используя штраф
2. Пусть. Найдем минимум функции любым методом безусловной оптимизации, например, градиентным:
И так далее.
3. Уменьшаем
Минимизируем тем же градиентным методом, теперь за исходную точку принимаем
4. Вновь уменьшаем
Чем ближе к минимуму при, тем меньше градиент функции
Поиск заканчивается, если, где - малая положительная величина.
Графическая иллюстрация примера показана на рис.15.
Линии уровня функции есть концентрические окружности с центром в точке с координатами
3.3. ЗАДАНИЯ. Минимизировать при заданных ограничениях функцию с точностью .
4. МНОГОМЕРНЫЙ ПОИСК. ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ [1,2]
Линейные модели - это такие модели, где математические зависимости линейны относительно всех переменных величин, включенных в моделей (т.е. содержат эти переменные в первой степени).
Методом решения таких задач, как уже говорилось, является линейное программирование. Слово “программирование” отражает здесь конечную цель исследования - определение оптимального плана или оптимальной программы, по которой из множества возможных вариантов исследуемого процесса выбирают по какому-либо признаку наилучший, оптимальный, вариант.
Примером такой задачи является задача оптимального распределения сырья между различными производствами при максимальной стоимости продукции.
Пусть из двух видов сырья изготавливается продукция двух видов.
Обозначим:
- число единиц продукции вида 1 и 2, соответственно;
- цена единицы продукции вида 1 и 2, соответственно;
Тогда общая стоимость всей продукции будет
В результате производства желательно, чтобы общая стоимость продукции была максимальной. R - целевая функция в данной задаче.
Обозначим:
- количество сырья 1-го и 2-го видов, имеющееся в наличии, - число единиц -го вида сырья, необходимое для производства единицы -го вида продукции.
Учитывая, что расход данного ресурса не может превышать общего его количества, запишем ограничительные условия по ресурсам:
Относительно переменных можно еще сказать, что они неотрицательны
Среди множества решений системы неравенств (32) и (33) требуется найти такое решение, для которого функция R достигает наибольшего значения.
В таком же виде формулируются так называемые транспортные задачи (задачи оптимальной организации доставки товаров, сырья или продукции из различных складов к нескольким пунктам назначения при минимуме затрат на перевозку) и ряд других.