Автор работы: Пользователь скрыл имя, 18 Октября 2011 в 16:44, курсовая работа
Во многих областях науки и в практической деятельности часто приходится сталкиваться с задачами поиска экстремума функции. Дело в том, что многие технические, экономические и т.д. процессы моделируются функцией или несколькими функциями, зависящими от переменных – факторов, влияющих на состояние моделируемого явления. Требуется найти экстремумы таких функций для того, чтобы определить оптимальное (рациональное) состояние, управление процессом. Так в экономике, часто решаются задачи минимизации издержек или максимизации прибыли – микроэкономическая задача фирмы.
Введение 3
Классические методы поиска экстремума функции одной переменной 3
Определение глобального максимума или минимума функции одной переменной 6
Выпуклые и вогнутые функции 6
Методы исключения интервалов 10
Правило исключения интервалов 11
Поиск экстремумов функции нескольких переменных 15
Заключение 18
Литература 19
Такое рассечение интервала новой точкой может быть точно рассчитано. Забегая вперед, запишу эту пропорцию:
а х1 х2 b
Точки х1 и х2 расположены симметрично относительно середины интервала (a, b).
b-x1 x2-a -1+
= = » 0.618
b-a
b-a
2
Такое рассечение интервала и получило название золотого сечения.
Введем обозначения:
D1 = b-a – исходный интервал.
D2 – интервал, полученный после уменьшения интервала D1 отбрасыванием его левого или правого подинтервала.
DК+1 – интервал, полученный после уменьшения интервала DК.
Рассмотрим теперь метод золотого сечения формально. Золотым сечением отрезка называется деление отрезка на две неравные части так, чтобы отношение всего отрезка к большей части равнялось отношению большей части к меньшей.
Золотое сечение отрезка [a, b] производится двумя симметрично расположенными точками (х1 и х2).
Т.е. (b-a)/(b-x1)=(b-x1)/(x1-a)=g и (b-a)/(x2-a)=(x2-a)/(b-x2)=g.
Можно показать, что g = (1+Ö5)/2»1.618.
Примечательно то, что точка х1 в свою очередь производит золотое сечение отрезка [a, x2], т.е. (x2-a)/(x1-a) = (x1-a)/(x2-x1) = g.
Аналогично, точка х2 производит золотое сечение отрезка [x1, b].
Итак, метод золотого сечения состоит в том, что длины последовательных интервалов берутся в фиксированном отношении:
D1/D2 = D2/D3 = … =g.
Из соотношений
DК/DK+1 = DK+1/DK+2 = g и DK = DK+1 + DK+2
Получаем:
DK/DK+1 = (DK+1+DK+2)/DK+1=1+DK+2/DK+1
g = 1 + 1/g или g2 - g -1 = 0.
Корнем этого уравнения является золотое сечение.
g=(Ö5+1)/2 » 1.618 t = 1/g = (Ö5-1)/2 » 0.618.
Можно записать формулы для точек х1 и х2, производящих золотое сечение на интервале [a, b]:
x1 = a+(1-t)(b-a) x2 = a+t(b-a)
Алгоритм метода золотого сечения.
x1 =b – (b-a)t; x2 =a + (b-a)t
y1 = f(x1); y2 = f(x2)
и выполняют следующее:
b: = x2; x2: = x1; y2: = y1; x1 := b-(b-a)t y1 := f(x1)
в противном случае (если y1 > y2), для дальнейшего деления оставляют интервал [x1, b] и выполняют следующее:
a := x1; x1 := x2; y1 := y2; x2 := a+(b-a)t; y2 :=f(x2);
Если (b-a)£e, то положить x* := (b-a)/2 (точка минимума), иначе (если (b-a)<e) перейти к п.4.
В этом разделе будем рассматривать методы, используемые при поиске безусловных минимумов функций нескольких переменных.
Многомерная задача оптимизации формулируется следующим образом:
f(x)®min, xÎ Rn, Rn-n-мерное пространство
(т.е. ограничения на х отсутствуют),
где х=(x1, x2,…, xn)T – вектор управляемых переменных размерностью n, f - скалярная целевая функция.
Точка х является точкой глобального минимума, если для всех xÎ Rn, выполняется неравенство: Df = f(x)-f(x)³0 (1).
Точку глобального минимума будем обозначать х**.
Если формула (1) справедлива лишь в некоторой d-окрестности точки х, т.е. для всех х, таких, что ||x-x||<d, при заданном d>0, то х есть точка локального минимума. Ее будем обозначать х*. Норма (модуль, длина) вектора
||x||=Ö(x, x)=ÖxT x=Öx12 + x22 + … +xn2
(x, x)=xT x – скалярное произведение х на себя xT = (x1, x2, …, xn)
Если же выполняется Df = f(x) - f(x) £ 0, (2)
то х есть точка максимума (локального
или глобального в соответствии
с данными ранее определениями)
Исключение знака равенства из формул (1) и (2) позволяет определить точку строгого минимума или максимума.
В случае, когда Df принимает как положительные и отрицательные, так и нулевые значения в зависимости от выбора точек из d - окрестности, точка х представляет собой седловую точку.
Точка
х, в которой находится минимум
или максимум, или седловая точка,
должна удовлетворять условию
Ñf(x) = 0 (x – стационарная точка)
¶f ¶f ¶f T
Ñf(x) = ¶x1, ¶x2, …, ¶xn - градиент функции f(x) = f(x1, x2, …, xn)
Приведем
Квадратичной
A(x1, x2, …, xn) = A(x) = i=1ånj=1ån qijxixj = xTQx, где
x
x = x , Q(n*n) = [qij] – матрица.
…
x
Q будем считать симметрической матрицей.
Определения:
1. матрица Q является положительно определенной тогда и только тогда, когда xTQx > 0 для всех х ¹ 0.
2. матрица Q является положительно полуопределенной тогда и только тогда, когда значения квадратичной формы xTQz ³ 0, для всех х и существует вектор х ¹ 0 такой, что xTQz = 0.
3. матрица Q является отрицательно определенной тогда и только тогда, когда -Q есть положительно определенная матрица. Другими словами – тогда и только тогда, когда xTQx < 0 для всех х ¹ 0.
4. матрица Q является отрицательно полуопределенной тогда и только тогда, когда -Q есть положительно полуопределенная матрица.
5. матрица Q является неопределенной, если квадратичная форма xTQx может принимать как положительные, так и отрицательные значения.
Справедливы следующие утверждения:
1) Стационарная точка х есть точка минимума, если Hf(x) = Ñ2f(x) - положительно полуопределенная матрица.
Hf(x) = Ñ2f(x) = [¶2f/(¶xi¶xj)] – матрица Гессе (гессиан)
2) Стационарная точка х есть точка максимума, если Hf(x) = Ñ2f(x) - отрицательно полуопределенная матрица.
Необходимые условия: для наличия в точке х* локального минимума необходимо, чтобы выполнялось равенство:
Ñf(x*) = 0 (чтобы точка х* была стационарной)
и матрица Hf(x*) = Ñ2f(x*) была положительно полуопределенной. (неотрицательно определенной) Hf(x) = Ñ2f(x) = [¶2f/(¶xi¶xj)] – матрица Гессе (гессиан).
Информация о работе Классические способы определения экстремумов, функций нескольких переменных