Файл: Васильев Ф.П. Лекции по методам решения экстремальных задач.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 11.04.2024

Просмотров: 283

Скачиваний: 2

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

§ 4}

Метод возможных направлений

77

нат, пли гиперплоскость, или полупространство, задача проекти­ рования точки решается просто в явном виде, и реализация мето­ да проекции градиента в этом случае не вызывает особых затруд­ нений. Если лее задача проектирования для своего решения тре­ бует применения тех или иных итерационных методов, то эффек­ тивность метода проекции градиента, вообще говоря, снижается.

Упражнения. 1. Доказать, что, для того чтобы точка w из вы­ пуклого замкнутого миолсества была проекцией какой-либо точки и пространства Е т, необходимо и достаточно, чтобы

(:w и, v оу) > 0 при всех v£.U

(11)

(см. теорему 1). Выяснить геометрический смысл неравенства (11) на плоскости.

2. Найти проекции заданной точки и<^Ет на следующие мно-

лсества:

 

 

 

 

 

 

a)

£/ =

: а£ < гУ < р£, i = 1,2, . . .

, т};

б) U = { u : \и— и1\< /?};

в)

£/= {и: (с1г и — иг) =

0}; г) U =

{« :

(сх, и — иг) < 0 } ;

д)

U =

{« : (сх, и — щ) =

0, (с2, и и2) <

0},

 

где точки

ии и2, векторы

С\Фб, с2Ф 0,

числа R, щ, Pi. £ = 1, 2,..., т

считаются известными.

 

 

 

 

 

3.

Пусть С\, с2, ..., ср — линейно-независимая система/п-мерных

векторов,

ии и2,..., ир

заданные точки

евклидова

пространства

Е т. Пусть

U = { v :

(с,, ущ ) = 0 , i = 1, 2, ...,

/^— пересече­

ние р гиперплоскостей в Ет. Показать, что проекцию любой точки и ^ Е т на множество U. молено представить в виде

 

 

р

 

 

 

w =

u + ' £ 'kfj,

 

 

 

 

/=>

 

 

где Я.1, Я,2, .... Ар определяются

из следующей линейной алгебраиче­

ской системы уравнений:

 

 

 

р

h (С/, Ci) = (Cit щ и), i = 1,

 

, р.

2

2, . ..

7=1

 

 

 

 

У к а з а н и е .

Воспользоваться неравенством

(11).

4. Описать метод проекции градиента для минимизации функ­

ций из упраленений 1.15— 16 на мнолеествах

U из упражнений 2,3.

§4. МЕТОД ВОЗМОЖНЫХ НАПРАВЛЕНИЙ

1.В этом параграфе рассмотрим один метод минимизац

функции J (и)

на мнолеестве О ф Е т, близкий по своей идее к ме­

тоду проекции

градиента. Будем предполагать, что мнолсество U


78

М И Н И М И З А Ц И Я Ф У Н К Ц И И МНОГИ Х ПЕРЕМЕННЫ Х

[ Г л . 2

задается

так: U = : gi(u) < 0 ( i = 1,.... s)}, где g i(u )

— известные

функции, определенные на всем пространстве Ет. Метод возмож­ ных направлений опишем (следуя [116]) для линейной функции /(«) = (с, и), где с ф 0 — заданный вектор из Е т. Это обстоя­ тельство не умаляет общности рассуждений, ибо если в исходной задаче ввести новую переменную | и дополнительное ограничение

. go(g, u ) = J ( u ) —g^:0,

то в пространстве E m+i переменных (g,

и) =

= (g, и1, ..., ит) получим эквивалентную задачу:

минимизировать

линейную функцию /i(g, и) = g на множестве

 

 

 

= {(ё.

«): gi (g, и) < 0 (t =

0, . . .

,

s)},

 

где g 0{l, u ) = J ( u ) —g,

gi(l, u ) = g i(u )

(i= 1,

...,

s). Заметим,

что

этот прием сведения задачи минимизации нелинейной функции к задаче минимизации линейной функции за счет увеличения коли­ чества переменных может быть полезен и при использовании дру­

гих методов,

если, конечно,

добавление

ограничения go(£.

и) ==

= / (и)— g^O

не затруднит

реализацию

выбранного

метода

из-за

возможной сложности работы с множеством Uь Непосредственное

описание метода возможных

направлений для

исходной задачи

см. в работе [114].

 

 

 

 

(с, и),

Итак, пусть требуется минимизировать функцию 7(«) =

с ф 0 на множестве U = {u : gi(u) =sgO(i = 1,..., s)}.

 

 

О п р е д е л е н и е . Направление р ф 0 в

точке

« е [/

назы­

вается возможным, если достаточно малое перемещение из точку и

в направлении р не выводит за пределы множества

U, т. е. сущест­

вует

такое а о> 0 ,

что

u + a p ^ U или g i(u + a p ) ^ 0 ( i = 1,..., s) при

всех

а, О ^ а ^ а о .

Возможное направление р называется подходя­

щим, если (/'(и ),

р) =

(с, р ) < 0, т. е. функция J (и) в окрестности

точки и убывает при движении по направлению р.

 

 

Прежде чем

переходить к описанию Метода

возможных на­

правлений, выведем критерий оптимальности для рассматриваемой задачи.

 

Т е о р е м а

1. Пусть U = {и : gi(u) ^ 0 ( t = 1,..., s)},

где gi(u)

выпуклые функции из С1(Ет), и пусть множество U имеет внут­

реннюю точку «о- Тогда, для того чтобы точка

была точкой

минимума J(u) = (c,

и)

на U, необходимо и достаточно, чтобы ми­

нимальное

значение

функции v ( a )= g

переменной

a = (g , р ) —

=

(g, Р1,

Рт)

на

множество

А =

{ а =

(g, р)

: (с,

p )< g ,

(gt

(«*), р) ^ g

при ie / *, |р*|^:1 ( t = l ,

...,

т )}

равнялось

нулю:

minv ( a ) = 0 ; здесь множество индексов I * = { i : 1 =SgisSgs, £ *(«*) = 0}

А

всегда непусто, так как и* — граничная точка U.

Д о к а з а т е л ь с т в о . Н е о б х о д и м о с т ь . Пусть и* — точ­ ка минимума J (и) на U. Тогда ы* — граничная точка множества U и множество индексов /* непусто. Пусть min v(a) = g * достигается


§ 4]

Метод возможных направлений

79

в точке а * = (£ * , р*). Так что = 0. Если | *< 0, то щим. В самом деле, из ie / * следует

как а = ?0еЛ , то £*^л>(0) = 0 . Покажем,

р * ф 0

и'-направление р* будет подходя­

условий

gt(u) еС > (Ет) и g i ( u * ) —0 при

gi (и* +

ар*) = gi (и* +

ар*) — g£ (и*) =

a (gi (и* -f Qap*),

р*) <

а - у - < 0

при

ге/ *,

а

при

i(£ I* g i(u * + ар*) < 0

для

всех

достаточно

малых

а > 0 . Кроме того,

(с,

р*) =%:£*<0. Существование подходя-

. щего направления р* в точке и* противоречит тому,

что и* — точ­

ка минимума. Следовательно,

£* = 0.

 

 

 

 

 

 

 

 

 

 

 

Д о с т а т о ч н о с т ь .

Пусть

при

некотором

и* 6

U

выяснилось,

что Г ф

0

и minv (а) = £* = 0.

Покажем,

что и *— точка

минимума'

J (и) на_и.

 

А

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

и £

U,

Пусть

это

не так.

Тогда

существует такая

 

точка

что J (и) <^J(u*). Можем считать,

что и — внутренняя

точка

множе­

ства

U,

так

как

по условию существует внутренняя точка и0 и, сле­

довательно,

точки

v =

и +

а (п0 — и),

 

0 <£ а

1,

являются

внутрен­

ними (см.

упражнение

5.1)

и

неравенство

/ (и*) >

J (и) = J (и) +

-j-а (с,

и0 и) сохранится

при всех достаточно малых а > 0 .

Однако

если

и — внутренняя точка

U

и J (и) <£/ (и*),

[то

точка

a =

(|,

р),

где р =

и и*,

принадлежит множеству А при некоторых £<£’0.

 

В^самом деле,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(с,

р) — J {и)

J (и*) <

0,

(gi (и*),

р) = (gi (и*),

и — и*) <

 

 

 

 

 

 

 

<

Si (“) — gi (“*) =

gi (й) <

0J

 

 

 

 

 

 

 

при t£ / *,_ и остается

взять

£ = max{(c, р);

(g\(u*), р)

 

(t £ / *)}< ().

Тогда

v (a) =

 

=

|* =

inf v (а).

Противоречие.

Следовательно,

и* — точка минимума J

 

А

 

Д

 

 

 

 

 

 

 

 

 

 

 

(и) на U.

 

 

 

 

 

 

 

 

 

 

 

 

2.

 

Опишем метод возможных направлений, предполагая,

множество U удовлетворяет условиям теоремы 1. На каждом шаге

итераций находятся точка u ^ U

и число б *> 0. В качестве началь­

ного приближения выбираются произвольная точка u0^ U

и произ­

вольное число 6о>0, например бо=1

(о выборе и0 см. ниже). Пусть

для некоторого /гГ^О точка

u.h<=U

и число

б/г> 0

уже

найдены.

Тогда следующее приближение ищем так.

 

 

 

 

 

 

 

 

 

 

1.

Сначала

определяем

множество

индексов

Д =

{ i : 1

^

 

bh<.gi(u-k) =^0}. Из определения

следует,

что

gi(uk

 

^— бд при i^/ft.

2.Затем решаем задачу минимизации функции v (a )= g пере­

менных а = (|, р) = (£, р 1, ..., рт) на множестве Лл= { а = ( | ,' р) :



80 М И Н И М И З А Ц И Я Ф У Н К Ц И И М НОГИ Х ПЕРЕМЕННЫ Х [Гл. 2

(с, р < £ ,

{gi (uk), р ) < |

при is/ *,

|pl'| s ^ l(i= l,...,

т )}.

Так

как

Ak — замкнутое ограниченное множество, a v (a )= |

непрерывна на

Ак, то существует такая

точка

p*k)£Ah

что

m inv(a) =

*

*

a=Q<=Ah,

 

 

 

Ак

Если

~ v ( a k) =

^t. При этом

поэтому Efc<v(0) = 0.

окажется, что < 0 , то р * ф 0 и р* является направлением, веду­ щим строго внутрь множества U, причем вдоль р* функция J (и) убывает. Таким образом, решая задачу минимизации v(a) на множестве Ак, находим подходящее направление р*, в некотором смысле наилучшее. Заметим, что задача минимизации v(a) на Ак является хорошо известной задачей линейного программирования н может быть эффективно решена методами, дающими решение за конечное число шагов (см. ниже § 1 1 ) . Пусть эта задача реше­

на и найдено (Нь р\) =

ак.

3. Далее вычисляем новое значение параметра б:

(

б/г, если & < — бА,

Щ-Н =

{

0,5бА, если — бй< ^ < 0 .

 

[

Может оказаться, что £* = 0. В этом случае нужно проверить, не является ли точка uh точкой минимума J (и) на U. Для этого решаем новую задачу линейного программирования: найти мини­ мум функции v(a) = £ на множестве

Al =

= (|, р ): (с, р) <

g,

(gi (ик), р ) < Ъ

при i 6

/ь |р‘ |< 1 (i

= 1..........

т)},

 

где

I'k = { iA < i< s ,g i( u k)= 0}.

Пусть min v (а)

достигается на а

(£*,

р*к).

Если окажется, что

\

^ = 0, то в силу теоремы 1 точка ик будет искомой точкой, и про­

цесс

на этом заканчивается.

Если же £&<(),

то

полагаем 6fe+i= 0,5S fe

и переходим к п.

4.

 

 

 

 

 

 

 

 

 

 

4. Наконец, полагаем ик+] =

ик - f a крк, где рк = pi

при ^ < 0 ,

а

если

^ =

0

и ! ь < 0 , то рк =

pi,

а число а к — min a ki,

где

a ki

есть

наименьший

положительный

корень

 

l<£<s

 

 

0 (i =

уравнения

g ( (uk -f а рк) =

= 1,

. . . , s) (если

при некоторых i

окажется,

что g t (uk -f apA) <

0

при

всех

a > 0 ,

то условно

принимаем

a ki = -)- оэ).

Очевидно,

J (щ+1) =

J

(ик) +

a k (с, pk) <

J (ик)

и % + iel/ .

 

 

 

 

 

Метод возможных направлений описан. Кратко остановимся на отыскании начального приближения u0^ U , т. е. отыскании какого-либо решения системы неравенств (вообще говоря, нели­