Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
ЗАДАЧА 1. Решить задачу выпуклого программирования.Стр 1 из 2Следующая ⇒
Реферат В работе решаются семь типовых задач теории оптимизации: 1) Задача выпуклого программирования; 2,3) Задачи линейного программирования 4) Задача классического вариационного исчисления 5) Задача Больца 6) Изопериметрическая задача 7) Задача с подвижными концами 8) Задача Лагранжа В задаче 1 методом множителей Лагранжа находится стационарная точка, далее проверяется выполнение достаточного условия минимума, которое для задач выпуклого программирования сводится к тому, что первый множитель Лагранжа (при целевой функции) должен быть отличен от нуля. В силу свойств выпуклых задач найденная точка локального минимума является одновременно точкой глобального минимума. В задаче 2 графическим методом находится точка минимума функции. Для этого выражаются базисные элементы через свободные, используя метод Гаусса, и затем на графике, учитывая все полученные условия, находится точка минимума. В задаче 3 используется симплекс-метод для нахождения минимума функции. Для этого выражаются базисные элементы через свободные, используя метод Гаусса, и затем составляются симплекс таблицы с последующим их пересчетом по правилам. Из конечной таблицы и находится точка минимума. В задаче классического вариационного исчисления (задаче 4), используется уравнение Эйлера-Лагранжа и начальные условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума. В задаче Больца (задаче 5) используется уравнение Эйлера-Лагранжа, а также условия трансверсальности, находится экстремаль. Далее проверяется выполнение условия глобального минимума. В изопериметрической задаче (задаче 6) применяется метод Лагранжа и, используя уравнение Эйлера-Лагранжа, а также начальное уравнение и краевые условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума. Для решения задачи с подвижными концами (задача 7) применяется метод Лагранжа и, используя уравнение Эйлера-Лагранжа, условия трансверсальности и стационарности, а также краевые условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума. Для решения задачи Лагранжа (задача 8) применяется метод Лагранжа и, используя уравнение Эйлера-Лагранжа, а также условия трансверсальности и начальные условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума.
Оглавление Введение. - 5 - ЗАДАЧА 1. Решить задачу выпуклого программирования. - 8 - ЗАДАЧА 2. Решить задачу линейного программирования графическим методом.. - 10 - ЗАДАЧА 3. Решить задачу № 2 симплекс-методом, используя в качестве первоначальной крайней точки. - 11 - ЗАДАЧА 4. Решить простейшую задачу классического вариационного исчисления. - 13 - ЗАДАЧА 5. Решить задачу Больца. - 14 - ЗАДАЧА 6. Решить изопериметрическую задачу. - 16 - ЗАДАЧА 7. Решить задачу с подвижными концами. - 18 - ЗАДАЧА 8. Решить задачу Лагранжа. - 20 - Заключение. - 24 - Список использованных источников. - 25 -
Введение
Оптимизация — в математике, информатике и исследовании операций задача нахождения экстремума (минимума или максимума) целевой функции в некоторой области конечномерного векторного пространства, ограниченной набором линейных и/или нелинейных равенств и/или неравенств. Общая запись задач оптимизации задаёт большое разнообразие их классов. От класса задачи зависит подбор метода (эффективность её решения). Классификацию задач определяют: целевая функция и допустимая область (задаётся системой неравенств и равенств или более сложным алгоритмом). Методы оптимизации классифицируют в соответствии с задачами оптимизации: · Локальные методы: сходятся к какому-нибудь локальному экстремуму целевой функции. В случае унимодальной целевой функции, этот экстремум единственен, и будет глобальным максимумом/минимумом. · Глобальные методы: имеют дело с многоэкстремальными целевыми функциями. При глобальном поиске основной задачей является выявление тенденций глобального поведения целевой функции. Существующие в настоящее время методы поиска можно разбить на три большие группы: 1. детерминированные; 2. случайные (стохастические); 3. комбинированные. По критерию размерности допустимого множества, методы оптимизации делят на методы одномерной оптимизации и методы многомерной оптимизации.
Задачи линейного программирования были первыми подробно изученными задачами поиска экстремума функций при наличии ограничений типа неравенств. В 1820 году Фурье и затем в 1947 году Данциг предложил метод направленного перебора смежных вершин в направлении возрастания целевой функции — симплекс-метод, ставший основным при решении задач линейного программирования.
Выделение класса экстремальных задач, определяемых линейным функционалом на множестве, задаваемом линейными ограничениями, следует отнести к 1930-м годам. Одними из первых, исследовавшими в общей форме задачи линейного программирования, были: Джон фон Нейман — математик и физик, доказавший основную теорему о матричных играх и изучивший экономическую модель, носящую его имя, и Канторович — советский академик, лауреат Нобелевской премии (1975), сформулировавший ряд задач линейного программирования и предложивший в 1939 году метод их решения (метод разрешающих множителей), незначительно отличающийся от симплекс-метода. В 1931 году венгерский математик Б. Эгервари рассмотрел математическую постановку и решил задачу линейного программирования, имеющую название «проблема выбора», метод решения получил название «венгерского метода».. Методам линейного программирования посвящено много работ зарубежных учёных. В 1941 году Ф. Л. Хитчкок поставил транспортную задачу. Основной метод решения задач линейного программирования — симплекс-метод — был опубликован в 1949 году Данцигом. Одновременно с развитием линейного программирования большое внимание уделялось задачам нелинейного программирования, в которых либо целевая функция, либо ограничения, либо то и другое нелинейны. В 1951 году была опубликована работа Куна и Таккера, в которой приведены необходимые и достаточные условия оптимальности для решения задач нелинейного программирования. Эта работа послужила основой для последующих исследований в этой области. В настоящее время для эффективного применения методов математического программирования и решения задач на компьютерах разработаны алгебраические языки моделирования, представителями которыми являются AMPL и LINGO.
Основной метод решения задач оптимизации с ограничениями – это метод Лагранжа, метод нахождения условного экстремума функции , где , относительно ограничений , где меняется от единицы до .
Заключение
В курсовой работе получены решения семи типовых задач теории оптимизации: двух конечномерных (задачи выпуклого программирования и линейного программирования) и пяти задач вариационного исчисления (простейшей задачи вариационного исчисления, задачи Больца, изопериметрические задачи, задачи с подвижными концами, и задачи Лагранжа). В результате работы над настоящей курсовой работой были достигнуты следующие цели: — расширен объем и углублены теоретические знания по дисциплине "Методы оптимизации"; — закреплены практические навыки решения задач теории оптимизации; — получены навыки применения метода множителей Лагранжа как основного метода решения задач оптимизации с ограничениями, как конечномерных, так и бесконечномерных; — получен навык подготовки и оформления научно-технической документации.
Реферат В работе решаются семь типовых задач теории оптимизации:
1) Задача выпуклого программирования; 2,3) Задачи линейного программирования 4) Задача классического вариационного исчисления 5) Задача Больца 6) Изопериметрическая задача 7) Задача с подвижными концами 8) Задача Лагранжа В задаче 1 методом множителей Лагранжа находится стационарная точка, далее проверяется выполнение достаточного условия минимума, которое для задач выпуклого программирования сводится к тому, что первый множитель Лагранжа (при целевой функции) должен быть отличен от нуля. В силу свойств выпуклых задач найденная точка локального минимума является одновременно точкой глобального минимума. В задаче 2 графическим методом находится точка минимума функции. Для этого выражаются базисные элементы через свободные, используя метод Гаусса, и затем на графике, учитывая все полученные условия, находится точка минимума. В задаче 3 используется симплекс-метод для нахождения минимума функции. Для этого выражаются базисные элементы через свободные, используя метод Гаусса, и затем составляются симплекс таблицы с последующим их пересчетом по правилам. Из конечной таблицы и находится точка минимума. В задаче классического вариационного исчисления (задаче 4), используется уравнение Эйлера-Лагранжа и начальные условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума. В задаче Больца (задаче 5) используется уравнение Эйлера-Лагранжа, а также условия трансверсальности, находится экстремаль. Далее проверяется выполнение условия глобального минимума. В изопериметрической задаче (задаче 6) применяется метод Лагранжа и, используя уравнение Эйлера-Лагранжа, а также начальное уравнение и краевые условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума. Для решения задачи с подвижными концами (задача 7) применяется метод Лагранжа и, используя уравнение Эйлера-Лагранжа, условия трансверсальности и стационарности, а также краевые условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума. Для решения задачи Лагранжа (задача 8) применяется метод Лагранжа и, используя уравнение Эйлера-Лагранжа, а также условия трансверсальности и начальные условия, находится экстремаль. Далее проверяется выполнение условия глобального минимума.
Оглавление Введение. - 5 -
ЗАДАЧА 1. Решить задачу выпуклого программирования. - 8 - ЗАДАЧА 2. Решить задачу линейного программирования графическим методом.. - 10 - ЗАДАЧА 3. Решить задачу № 2 симплекс-методом, используя в качестве первоначальной крайней точки. - 11 - ЗАДАЧА 4. Решить простейшую задачу классического вариационного исчисления. - 13 - ЗАДАЧА 5. Решить задачу Больца. - 14 - ЗАДАЧА 6. Решить изопериметрическую задачу. - 16 - ЗАДАЧА 7. Решить задачу с подвижными концами. - 18 - ЗАДАЧА 8. Решить задачу Лагранжа. - 20 - Заключение. - 24 - Список использованных источников. - 25 -
Введение
Оптимизация — в математике, информатике и исследовании операций задача нахождения экстремума (минимума или максимума) целевой функции в некоторой области конечномерного векторного пространства, ограниченной набором линейных и/или нелинейных равенств и/или неравенств. Общая запись задач оптимизации задаёт большое разнообразие их классов. От класса задачи зависит подбор метода (эффективность её решения). Классификацию задач определяют: целевая функция и допустимая область (задаётся системой неравенств и равенств или более сложным алгоритмом). Методы оптимизации классифицируют в соответствии с задачами оптимизации: · Локальные методы: сходятся к какому-нибудь локальному экстремуму целевой функции. В случае унимодальной целевой функции, этот экстремум единственен, и будет глобальным максимумом/минимумом. · Глобальные методы: имеют дело с многоэкстремальными целевыми функциями. При глобальном поиске основной задачей является выявление тенденций глобального поведения целевой функции. Существующие в настоящее время методы поиска можно разбить на три большие группы: 1. детерминированные; 2. случайные (стохастические); 3. комбинированные. По критерию размерности допустимого множества, методы оптимизации делят на методы одномерной оптимизации и методы многомерной оптимизации.
Задачи линейного программирования были первыми подробно изученными задачами поиска экстремума функций при наличии ограничений типа неравенств. В 1820 году Фурье и затем в 1947 году Данциг предложил метод направленного перебора смежных вершин в направлении возрастания целевой функции — симплекс-метод, ставший основным при решении задач линейного программирования. Выделение класса экстремальных задач, определяемых линейным функционалом на множестве, задаваемом линейными ограничениями, следует отнести к 1930-м годам. Одними из первых, исследовавшими в общей форме задачи линейного программирования, были: Джон фон Нейман — математик и физик, доказавший основную теорему о матричных играх и изучивший экономическую модель, носящую его имя, и Канторович — советский академик, лауреат Нобелевской премии (1975), сформулировавший ряд задач линейного программирования и предложивший в 1939 году метод их решения (метод разрешающих множителей), незначительно отличающийся от симплекс-метода. В 1931 году венгерский математик Б. Эгервари рассмотрел математическую постановку и решил задачу линейного программирования, имеющую название «проблема выбора», метод решения получил название «венгерского метода»..
Методам линейного программирования посвящено много работ зарубежных учёных. В 1941 году Ф. Л. Хитчкок поставил транспортную задачу. Основной метод решения задач линейного программирования — симплекс-метод — был опубликован в 1949 году Данцигом. Одновременно с развитием линейного программирования большое внимание уделялось задачам нелинейного программирования, в которых либо целевая функция, либо ограничения, либо то и другое нелинейны. В 1951 году была опубликована работа Куна и Таккера, в которой приведены необходимые и достаточные условия оптимальности для решения задач нелинейного программирования. Эта работа послужила основой для последующих исследований в этой области. В настоящее время для эффективного применения методов математического программирования и решения задач на компьютерах разработаны алгебраические языки моделирования, представителями которыми являются AMPL и LINGO.
Основной метод решения задач оптимизации с ограничениями – это метод Лагранжа, метод нахождения условного экстремума функции , где , относительно ограничений , где меняется от единицы до .
ЗАДАЧА 1. Решить задачу выпуклого программирования. Составим функцию Лагранжа: Теперь запишем условия равенства нулю частных производных функции, условие дополняющей нежёсткости и, т.к. ищется минимум функции, условие неотрицательности всех . 1) Рассмотрим случай : → Получаем нулевые решение отсутствует (Лагранжиан не может быть равен 0) 2) Рассмотрим случай : 2.1) Пусть : → → → не является точкой минимума, т. к. не выполняются начальные условия 2.2) Пусть → → → → не является точкой минимума, т. к. не выполняются начальные условия 2.3) Пусть : → → → точка минимума выполняются начальные условия. 2.4) Пусть : → →
→ - не может быть точкой минимума.
ЗАДАЧА 2. Решить задачу линейного программирования графическим методом. Во всех вариантах Будем использовать в качестве базисных переменных x3, x4, x5 и выделять именно их, решая систему методом Гаусса. Запишем систему в матричном виде и решим:
(1-2x+y≥0, 1+x-y≥0,2-x-y≥0, x≥0, y≥0) Построим график системы:
Для получения координат точки минимума исследуемой функции проводим линию уровня нашей целевой функции. Линию уровня для получения минимального значения нужно передвигать влево (т.к. функция прямо пропорциональна x1) и вверх (т.к. функция обратно пропорциональна x2) от градиента до крайней точки многоугольника. Точка минимума находится на пересечении двух прямых, задаваемых уравнениями: Таким образом, точка M(1/2, 3/2) является точкой минимума данной функции. ЗАДАЧА 3. Решить задачу № 2 симплекс-методом, используя в качестве первоначальной крайней точки.
- крайняя точка. – наша функция. Т.к. мы будем искать минимум функции, применим симплекс метод применяется для поиска минимума функции..
Ищем среди коэффициентов pi(коэффициентов целевой функции) pi<0, берем соответствующий этому элементу столбец (кроме столбца свободных членов). Для выбора опорного элемента необходимо найти, какой из них удовлетворит условию минимума отношения свободного члена к данному элементу: , причем После выбора опорного элемента совершаем пересчет таблицы: - опорный элемент заменяем на единицу, деленную на опорный элемент; - опорную строку делим на опорный элемент; - опорный столбец делим на опорный элемент и умножаем на минус единицу; - остальные элементы считаем по «правилу определителя» и делим на опорный элемент - совершаем эти итерации до тех пор, пока в нижней строке все элементы (кроме свободного члена) не станут положительными.
Таким образом мы нашли минимум, ответ сошелся с предыдущей задачей. xmin=(1/2, 3/2, 3/2, 0, 0)
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2017-02-09; просмотров: 392; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.223.125.219 (0.066 с.) |