Предмет и история развития методов оптимизации. Общая постановка задач оптимизации и основные положения презентация
Содержание
- 2. Предмет и история развития методов оптимизации. Общая постановка задач оптимизации и основные положения. Теорема Вейерштрасса о
- 3. Задача линейного программирования. Симплекс-метод. Элементы двойственности в линейном программировании. Целочисленное программирование. Постановка и алгоритмы решения транспортных
- 4. Оптимизация (по латыни optimus – наилучший) - целенаправленная деятельность, заключающаяся в получении наилучших результатов при соответствующих
- 5. Решение оптимизационной задачи - это поиск определенного набора значений переменных, которому отвечает оптимальное значение критерия оптимизации.
- 6. Что можно изменять, чем можно управлять при решении задачи? Формализация задачи оптимизации 1. Определяем искомые переменные:
- 7. Формализация задачи оптимизации
- 8. Формализация задачи оптимизации
- 9. Формализация задачи оптимизации
- 10. Общая постановка задачи оптимизации Постановка задачи оптимизации содержит В векторной форме - прямые ограничения - функциональные
- 11. Примеры постановок задач оптимизации Площадь поверхности сферы равна . Какова высота цилиндра наибольшего объема, вписанногов эту
- 12. Вблизи h=3 производная меняет знак с “+” на “-”, значит при этой высоте объем цилиндра будет
- 13. Модель старинной русской задачи Пошла баба на базар, на людей посмотреть, да кое-что продать. Сколько надо
- 14. Примеры задач оптимизации 1. Завод выпускает три типа деталей А, В и С. Детали каждого типа
- 15. 2. Студент Коля любит ходить по ночным клубам и в то же время получать зачеты. Предельные
- 16. Общая постановка задачи оптимизации Постановка задачи поиска минимума функции содержит (1)
- 17. Основные положения задачи оптимизации Замечания 2) Глобальный экстремум всегда является одновременно локальным, но не наоборот.
- 18. Основные положения задачи оптимизации
- 19. Разрешимость задачи оптимизации Теорема Вейерштрасса Следовательно, задача оптимизации разрешима, если выполняются следующие три условия: 1. Множество
- 20. Вопросы для проверки знаний 1) Предмет и история развития методов оптимизации. 2) Общая постановка задач оптимизации
- 21. НЕОБХОДИМОЕ УСЛОВИЕ ЭКСТРЕМУМА 2-ОЕ ДОСТАТОЧНОЕ УСЛОВИЕ ЭКСТРЕМУМА 1-ОЕ ДОСТАТОЧНОЕ УСЛОВИЕ ЭКСТРЕМУМА Методы безусловной минимизации функций одной
- 22. Методы безусловной минимизации функций одной переменной Правило исследования функции на экстремум
- 23. Пример Методы безусловной минимизации функций одной переменной
- 24. Методы безусловной минимизации функций одной переменной
- 25. Прямые методы одномерного поиска Задача Минимизировать функцию одной переменной f(x) при условии , то есть найти
- 26. Определение Отрезком, соединяющим две точки и , называется множество точек x, удовлетворяющих уравнению , где .
- 27. Определение Функция f(x), заданная в выпуклой области Q, называется выпуклой или вогнутой в этой области, если
- 28. Определение Функция f(x), определенная на непустом выпуклом множестве X, называется квазивыпуклой, если для любых двух точек
- 29. Прямые методы одномерного поиска Замечания: 1. Если f(x) выпуклая функция на выпуклом множестве X, то всякая
- 30. Определение Прямые методы одномерного поиска Другими словами функция f(x) является унимодальной в данной области, если в
- 31. Теорема f(x)-унимодальна или выпуклая или строго квазивыпуклая в интервале . Пусть такие, что . Если ,
- 32. Учитывая, что f(x) строго квазивыпуклая функция, имеем . Но это противоречит утверждению, что . Полученное противоречие
- 33. Стратегия поиска минимума функции одной переменной Методы исключения отрезков
- 34. Выбор начального интервала неопределенности
- 35. Выбор начального интервала неопределенности
- 36. ВЫБРАТЬ - Метод половинного деления НАЧАЛО КОНЕЦ + + -
- 37. 1 [0,5,2] 2 [2,5999,5,2] 3 [2,5999,3,90005] 4 [2,5999,3,250075] 5 [2,9248875,3,250075] 6 [2,9248875,3,08758125] 7 [2,9248875,3,006334375] 8 [2,9655109375,3,006334375]
- 38. Метод половинного деления ЗАМЕЧАНИЕ ПРИМЕР
- 40. ВЫБРАТЬ - Метод золотого сечения НАЧАЛО КОНЕЦ + + -
- 41. 1 [0,5,2] 2 [1,98622325850055,5,2] 3 [1,98622325850055,3,97244651700109] 4 [2,74489303400219,3,97244651700109] 5 [2,74489303400219,3,50356280950383] 6 [2,74489303400219,3,21377674149945] 7 [2,92399067349508,3,21377674149945] 8 [2,92399067349508,3,10308831298797]
- 42. Метод золотого сечения ЗАМЕЧАНИЕ ПРИМЕР
- 44. ВЫБРАТЬ - Метод Фибоначчи НАЧАЛО КОНЕЦ + + - - + -
- 45. 1 [0,5,2] 2 [1,98622320768662,5,2] 3 [1,98622320768662,3,97244652899663] 4 [2,74489298777015,3,97244652899663] 5 [2,74489298777015,3,50356281125395] 6 [2,74489298777015,3,21377673233568] 7 [2,92399063683997,3,21377673233568] 8 [2,92399063683997,3,1030882961552]
- 46. Метод Фибоначчи НЕДОСТАТКИ ПРИМЕР 1) Надо хранить избыточный набор чисел Фибоначчи либо многократно генерировать числа по
- 48. - СХОДИМОСТЬ Характеристика относительного уменьшения начального интервала неопределенности находится по формуле N – количество вычислений функции
- 49. Сходимость
- 50. Метод Ньютона Выберем начальную точку Достаточное условие надежной работы метода Ньютона Замечание
- 51. Метод Ньютона Сходимость
- 52. Метод Ньютона НАЧАЛО КОНЕЦ + -
- 53. ПРИМЕР
- 54. 1 [0,5,2] 2 [3,03124946640485,3,46538461538462] 3 [3,00016107700165,3,03124946640485] 4 [3,00000000432407,3,00016107700165]
- 55. Программная реализация
- 56. Вывод Точное решение
- 57. Работа: «Методы одномерного поиска» Ознакомиться с методами одномерного поиска. Сравнить различные алгоритмы по эффективности на тестовых
- 58. Вопросы для проверки знаний - Определения отрезка, выпуклого множества, выпуклой (строго выпуклой) функции, квазивыпуклой (строго квазивыпуклой)
- 59. Примеры тестовых заданий для проверки знаний
- 60. 4) В ряде чисел Фибоначчи каждое последующее число равно _____ двух предыдущих A. частному; B. разности;
- 61. Методы безусловной минимизации функций многих переменных Методы получения точек, соответствующих условию (2), называются методами спуска. Определение
- 62. Методы минимизации функций многих переменных
- 63. Методы безусловной минимизации функций многих переменных Поверхностью уровня функции f(x) называется множество точек, в которых функция
- 64. Функция f(x) называется дифференцируемой в точке , если существует такой вектор , что для любого x
- 65. Если f(x) дифференцируема, то направлением наибыстрей- шего убывания функции f(x) в точке является направ- ление антиградиента
- 66. Матрицей Гессе H(x) дважды непрерывно дифференцируемой в точке x функции f(x) называется матрица частных производных второго
- 67. Определение
- 69. Методы безусловной минимизации функций многих переменных Метод покоординатного спуска ( конфигураций или Хука-Дживса) Метод конфигураций включает
- 70. Метод покоординатного спуска Основная идея метода покоординатного спуска
- 71. Метод покоординатного спуска
- 72. Метод покоординатного спуска
- 73. Алгоритм метода покоординатного спуска
- 74. Геометрическая интерпретация
- 75. ПРИМЕР
- 77. Метод наискорейшего спуска Идея метода наискорейшего спуска Геометрическая интерпретация
- 78. ВЫБРАТЬ - начальная точка Метод наискорейшего спуска НАЧАЛО КОНЕЦ + -
- 80. Метод наискорейшего спуска Замечания: Метод наискорейшего спуска сходится достаточно быстро, если для минимизирующей функции поверхности уровня
- 81. ПРИМЕР
- 82. Метод сопряженных градиентов Геометрическая интерпретация Иллюстрация последовательных приближений метода наискорейшего спуска и метода сопряжённых градиентов к
- 83. Обоснование метода сопряженных градиентов Определение Нулевая итерация
- 85. Метод сопряженных градиентов ВЫБРАТЬ НАЧАЛО КОНЕЦ + -
- 86. Замечание: Если требуется найти глобальный минимум функции f(x), То для строго выпуклой f(x) Решение этой задачи
- 87. ПРИМЕР
- 88. Метод Ньютона Метод Ньютона относится к градиентным методам второго порядка, в котором направление минимизации выбирается умножением
- 89. Метод Ньютона
- 91. Алгоритм метода Ньютона
- 92. Алгоритм метода Ньютона
- 93. ПРИМЕР
- 94. Работа: «Методы многомерного поиска» Ознакомиться с методами могомерного поиска. Сравнить различные алгоритмы по эффективности на тестовых
- 95. Вопросы для проверки знаний - Функция многих переменных. Постановка задачи минимизации функции многих переменных. Градиент. Матрица
- 96. Линейное программирование В задачах линейного программирования целевая функция линейна, а условия-ограничения содержат линейные равенства или линейные
- 97. Линейное программирование Определение
- 98. Линейное программирование Множество допустимых планов является выпуклым. Теорема Доказательство
- 99. Линейное программирование Графический метод решения задачи линейного программирования состоит из двух этапов Ограничения задачи линейного программирования
- 100. Линейное программирование 6) Построить вектор направления (градиент целевой функции). Начало – в точке с координатами (0;
- 101. Линейное программирование Виды областей допустимых решений : Примеры:
- 102. Линейное программирование Если область допустимых решений ограничена, то: максимум целевой функции находится в одной точке 2)
- 103. Линейное программирование Пример графического метода решения задачи линейного программирования: Решение: (*)
- 105. Областью решений задачи линейного программирования является пересечение всех решений ограничения (*). Пересечением полученных полуплоскостей будет являться
- 107. Линейное программирование Графическим методом решить задачи линейного программирования: 3) Задача технического контроля: В отделе технического контроля
- 108. Линейное программирование
- 109. Линейное программирование В системе уравнений (7) число переменных (неизвестных) n больше, чем число уравнений m. Будем
- 110. Линейное программирование Для решения задачи линейного программирования в 1949 году американским математиком Дж.Данцигом был разработан симплекс-метод.
- 111. Линейное программирование Определение
- 112. Линейное программирование Лемма 1 Доказательство Ч.Т.Д.
- 113. Линейное программирование Доказательство Ч.Т.Д. Лемма 2
- 114. Теорема Доказательство На основании леммы 1 имеем: Ч.Т.Д. Теорема Доказательство Ч.Т.Д.
- 115. Доказательство Теорема
- 117. Ч.Т.Д.
- 118. Линейное программирование ОПИСАНИЕ СИМПЛЕКС МЕТОДА СИМПЛЕКС ТАБЛИЦА
- 119. Линейное программирование Алгоритм 1 решения невырожденной задачи линейного программирования
- 122. Линейное программирование Замечание
- 123. Линейное программирование Замечание
- 124. Линейное программирование Теорема Доказательство:
- 125. Линейное программирование Ч.Т.Д. Замечание
- 126. Линейное программирование Алгоритм 2 решения вырожденной задачи линейного программирования
- 129. Линейное программирование Замечание На практике алгоритм 2 используется редко, поскольку он требует значительно больше времени для
- 133. Линейное программирование Симплекс-методом решить задачи линейного программирования:
- 134. Теория двойственности
- 135. Теория двойственности Правила построения двойственной задачи можно описать следующим образом:
- 136. Теория двойственности Составить двойственную задачу по отношению к исходной задаче линейного программирования :
- 137. Теория двойственности Построить двойственные задачи к следующим задачам линейного программирования: 1. 2. 3.
- 138. Теория двойственности
- 140. Основные теоремы о двойственных задачах можно переформулировать следующим образом: 1) Если исходная и двойственная ей задачи
- 141. Теория двойственности Решать двойственную задачу можно двойственным симплекс-методом. Двойственный симплекс-метод строится по аналогии с прямым симплекс-методом.
- 143. Целочисленное программирование Основной класс задач оптимизации составляют задачи линейного программирования, в которых на значения всех или
- 144. Целочисленное программирование Определение
- 145. Целочисленное программирование
- 146. Целочисленное программирование Алгоритм метода Гомори 1. Используя симплекс-метод, находим оптимальное решение задачи линейного программирования без учета
- 147. Целочисленное программирование Пример решения целочисленной задачи линейного программирования, используя алгоритм Гомори: Решение:
- 151. Найдите графическим методом и методом Гомори оптимальное целочисленное решение задачи линейного программирования, если она задана следующей
- 152. Транспортные задачи
- 153. Транспортные задачи ТАБЛИЦА ТРАНСПОРТНОЙ ЗАДАЧИ
- 158. Транспортная задача Пример решения транспортной задачи: Решение:
- 159. Транспортная задача
- 160. Транспортная задача
- 161. Транспортная задача Три оптовых склада (A1 А2 A3) поставляют в три магазина розничной сети (B1 В2
- 162. Вопросы для проверки знаний - Задачи линейного программирования (ЗЛП). Каноническая форма ЗЛП. План. Допустимый план. Теорема
- 163. 1) Задачу линейного программирования можно сформулировать так: А. найти максимум или минимум линейной формы при отсутствии
- 164. 4) Метод северо-западного угла это A. один из методов проверки опорного плана транспортной задачи на оптимальность;
- 165. 6) Несбалансированная транспортная задача это A. открытая транспортная задача; B. закрытая транспортная задача; C. произвольная транспортная
- 166. Выпуклое программирование Под выпуклым программированием понимается раздел теории экстремальных задач, в котором изучаются задачи минимизации (или
- 167. Выпуклое программирование Рассмотрим понятия седловой точки функции Лагранжа и условие регулярности Слейтера. Определение Определение
- 168. Выпуклое программирование
- 171. Ч.Т.Д.
- 172. Метод множителей Лагранжа Алгоритм метода множителей Лагранжа (5)
- 173. Метод множителей Лагранжа
- 174. Метод множителей Лагранжа
- 175. Метод множителей Лагранжа (6)
- 176. Метод множителей Лагранжа Пример поиска условного экстремума функции методом множителей Лагранжа: Решение:
- 181. Метод штрафных функций К методам штрафных функций обычно относят группу методов, связанных с параметризацией исходной экспериментальной
- 182. Метод штрафных функций Определения (8)
- 183. Метод штрафных функций
- 184. Метод штрафных функций Определение
- 185. Метод штрафных функций
- 186. Метод штрафных функций Ч.Т.Д
- 187. Метод штрафных функций Теорема составляет основу метода штрафных функций, понимаего как способ перехода от задачи с
- 188. Метод штрафных функций Эта функция барьерного типа может и не удовлетворять условию неотрицательности (10), однако основополагающая
- 189. Метод штрафных функций
- 190. Метод штрафных функций Алгоритм метода штрафных функций
- 191. Метод штрафных функций Пример поиска условного экстремума функции методом штрафных функций: Решение:
- 195. Метод проекции градиента Определение
- 196. Метод проекции градиента Описание метода проекции градиента (15)
- 197. Метод проекции градиента
- 198. Метод проекции градиента
- 199. Метод проекции градиента
- 203. Алгоритм метода проекции градиента
- 204. Алгоритм метода проекции градиента
- 205. Алгоритм метода проекции градиента
- 206. Метод проекции градиента Пример поиска условного экстремума функции методом проекции градиента: Решение:
- 207. Метод проекции градиента
- 208. Метод проекции градиента
- 209. Вопросы для проверки знаний - Выпуклое программирование. Теорема Кун-Таккера. - Метод штрафных функций для решения задач
- 210. Список литературы 1 Андреева Е.А. Вариационное исчисление и методы оптимизации: Учебное пособие / Е.А. Андреева ,
- 212. Скачать презентацию