Автор работы: Пользователь скрыл имя, 31 Октября 2011 в 15:53, курсовая работа
Иногда в формулировке задачи ограничения (1) имеют противоположные знаки неравенств. Учитывая, однако, что если , то , всегда можно свести задачу к неравенствам одного знака. Если некоторые ограничения входят в задачу со знаком равенства, например , то их можно представить в виде пары неравенств , , сохранив тем самым типовую формулировку задачи.
1. Постановка задачи нелинейного программирования
2. Критерии оптимальности в задачах с ограничениями
2.1. Задачи с ограничением в виде равенств
2.2. Множители Лагранжа
3. Условия Куна-Таккера
3.1. Условия Куна-Таккера и задача Куна-Таккера
3.2. Интерпретация условий Куна-Таккера
3.3. Теоремы Куна-Таккера
4. Функции нескольких переменных
4.1. Методы прямого поиска
4.1.1. Метод поиска по симплексу (S2 - метод)
4.1.2. Метод поиска Хука-Дживса
Поиск по образцу.
Поиск по образцу заключается в реализации единственного шага из полученной базовой точки вдоль-прямой, соединяющей эту точку с предыдущей базовой точкой. Новая точка образца определяется в соответствии с формулой
Как только движение по образцу не приводит к уменьшению целевой функция, точка фиксируется в качестве временной базовой точки и вновь проводится исследующий поиск. Если в результате получается точка с меньшим значением целевой функции, чем в точке , то она рассматривается как новая базовая точка . С другой стороны, если исследующий поиск неудачен, необходимо вернуться в точку и провести исследующий поиск с целью выявления нового направления минимизации. В конечном счете, возникает ситуация, когда такой поиск не приводит к успеху. В этом случае требуется уменьшить величину шага путем введения некоторого множителя и возобновить исследующий поиск. Поиск завершается, когда величина шага становится достаточно малой. Последовательность точек, получаемую в процессе реализации метода, можно записать в следующем виде:
- текущая базовая точка,
- предыдущая базовая точка,
- точка, построенная при движении по образцу,
- следующая (новая) базовая точка.
Приведенная последовательность характеризует логическую структуру поиска по методу Хука — Дживса.
Структура метода поиска Хука — Дживса
Шаг 1 . Определить:
начальную точку ,
приращения
коэффициент уменьшения шага ,
параметр окончания поиска .
Ш а г 2. ровести исследующий поиск.
Ш а г 3. Был ли исследующий поиск удачным (найдена ли точка с меньшим значением
целевой функции)?
Да: перейти к шагу 5.
Нет: продолжать.
Ш а г 4. Проверка на окончание поиска.
Выполняется ли неравенство ?
Да: прекратить поиск; текущая точка аппроксимирует точку оптимума.
Нет: уменьшить приращения по формуле
Перейти к шагу 2.
Ш а г 5. Провести поиск по образцу:
Шаг 6. Провести исследующий поиск, используя в качестве базовой точки;
пусть полученная в результате точка.
Ш а г 7. Выполняется ли неравенство ?
Да: положить Перейти к шагу 5.
Нет: перейти к
шагу 4.
Пример 6 Поиск по методу Хука — Дживса
Найти точку минимума функции используя начальную точку .
Решение.
Для того чтобы применить метод прямого поиска .Хука — Дживса, необходимо задать следующие величины:
векторная величина приращения = ,
коэффициент уменьшения шага = 2,
параметр окончания поиска = 10-4.
Итерации начинаются с исследующего поиска вокруг точки , которой соответствует значение функции Фиксируя, дадим приращение переменной :
Успех.
Следовательно, необходимо зафиксировать и дать приращение переменной :
Успех.
Таким образом, в результате исследующего поиска найдена точка
Поскольку исследующий поиск был удачным, переходим к поиску по образцу:
Далее проводится исследующий поиск вокруг точки , который оказывается удачным при использовании положительных приращений переменных х1 и х2. В результате получаем точку
Поскольку , поиск по образцу следует считать успешным, и становится новой базовой точкой при следующем проведении поиска по образцу. Итерации продолжаются, пока уменьшение величины шага не укажет на окончание поиска в окрестности точки минимума. Последовательные шаги реализации метода показаны на рисунке.
Из примера следует, что метод Хука — Дживса характеризуется несложной стратегией поиска, относительной простотой вычислений и невысоким уровнем требований к объему памяти ЭВМ, который оказывается даже ниже, чем в случае использования метода поиска по симплексу.