Файл: прикладная математика учебное пособие московский автомобильнодорожный.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 05.02.2024
Просмотров: 233
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
СОДЕРЖАНИЕ
1. НЕЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ
Задачи выпуклого программирования
Решение задачи нелинейного программирования в Excel
Задания к самостоятельной работе
К ЗАДАЧАМ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ
Задания для самостоятельного решения
КООПЕРАТИВНЫЕ ИГРЫ И ДРУГИЕ ЗАДАЧИ
Параметры сетей и методы их расчета
Матричный метод расчета сетевого графика
Табличный метод расчета сетевого графика
Таблица стандартного нормального распределения
Анализ и оптимизация сетевой модели
Управление производством работ по сетевым графикам
Проект СРМ и временной резерв стадий
Проект СРМ и временной резерв стадий
при ограничениях
f(x) djxj
j1
-
ckjxkxjk1 j1
(1.16)
aijxjj1
bi
(i 1,...,m),
(1.17)
j
x0 0 (j=1,...,n),
n n
(1.18)
где
ckjxkxjk1 j1
-
отрицательно (положительно)-полуопределенная
квадратичная форма, называется задачей квадратичного программи- рования. Для сформулированной задачи квадратичного программиро- вания функция Лагранжа запишется в виде
n n n n
L djxjj1
-
ckjxkxjk1 j1
yi(bi
aijxj).
j1
Если функция Lимеет седловую точку
( X,Y) (x0, x0,..., x0, y0,
0 0 1 2 n 1
y0,..., y0 ), то в этой точке выполняются соотношения (1.15). Вводя те-
2 m
перь дополнительные переменные
vj( j
1,...,n), wi
(i 1,...,m),
обра-
щающие неравенства из (1.15) в равенства, перепишем выражения (1.15), записанные для задачи квадратичного программирования, сле- дующим образом:
L0
xj
L0
yi
-
vj
-
wi
0 ( j 1,...,n);
0 (i=1,...,m);
(1.19)
(1.20)
1 2 3 4 5 6 7 8 9 ... 42
xv
j j
0 0 ( j
yw
i i
0 0 (i
1,...,n);
1,...,m);
(1.21)
(1.22)
x0 0, v 0, y0 0, w 0, (j 1,...,n; i=1,...,m). (1.23)
j j i i
Таким образом, чтобы найти решение задачи квадратичного про- граммирования (1.16…1.18), нужно определить неотрицательное ре- шение систем линейных уравнений (1.19 и 1.20), удовлетворяющих условиям (1.21 и 1.22). Это решение можно найти с помощью метода искусственного базиса, примененного для нахождения максимального
значения функции F
Myii
при условиях (1.19, 1.20, 1.23) с учетом
(1.21 и 1.22). Здесь yi
-
искусственные переменные, введенные в
уравнения (1.19 и 1.20). Используя метод искусственного базиса и до- полнительно учитывая условия (1.21 и 1.22), после конечного количе- ства шагов либо установим неразрешимость, либо получим опти- мальный план исходной задачи.
Итак, процесс нахождения решения задачи квадратичного про- граммирования (1.16…1.18) включает в себя следующие этапы:
-
составляют функцию Лагранжа; -
записывают в виде выражений (1.19…1.23) необходимые и доста- точные условия существования седловой точки для функции Ла- гранжа либо находят ее координаты; -
используя метод искусственного базиса, либо устанавливают от- сутствие седловой точки для функции Лагранжа, либо находят ее координаты; -
записывают оптимальное решение исходной задачи и находят значение целевой функции.
- Градиентные методы решения задач нелинейного программирования
Используя градиентные методы, можно найти решение любой за- дачи нелинейного программирования. Однако в общем случае приме- нение этих методов позволяет найти точку локального экстремума. Поэтому целесообразнее использовать градиентные методы для на- хождения решения задач выпуклого программирования, в которых всякий локальный экстремум является одновременно и глобальным. Процесс нахождения решения задачи с помощью градиентных мето-
дов состоит в том, что начиная с некоторой точки
X(k)
осуществляет-
ся последовательный переход к некоторым другим точкам до тех пор, пока не выявляется приемлемое решение исходной задачи. При этом градиентные методы могут быть подразделены на две группы.
К первой группе относятся методы, при использовании которых исследуемые точки могут не выходят за пределы области допустимых решений задачи. Наиболее распространенным из таких методов яв- ляется метод Франка-Вулфа.
Ко второй группе относятся методы, при использовании которых исследуемые точки могут как принадлежать, так и не принадлежать области допустимых решений. Однако в результате реализации ите- рационного процесса находится точка области допустимых решений, определяющая приемлемое решение. Из таких методов чаще всего используется метод штрафных функций или метод Эрроу-Гурвица.
При нахождении решения задач градиентными методами, в том числе и названными, итерационный процесс осуществляется до того
момента, пока градиент функции
f(x1, x2,..., xn)
в очередной точке
X(k1)
не станет равным нулю или же пока
f( X(k1) ) f( X(k) )
,
где –
достаточно малое положительное число, характеризующее точность полученного решения.
-
Метод Франка-Вулфа
Пусть требуется найти максимальное значение вогнутой функции
при условиях
f(x1, x2,..., xn)
n
(1.24)
aijxjj1
bi
(i 1,...,m),
(1.25)
xj 0 ( j
1,...,n).
(1.26)
Особенностью этой задачи является то, что ее система ограниче- ний содержит только линейные неравенства. Эта особенность являет- ся основой для замены в окрестности исследуемой точки нелинейной целевой функции линейной, благодаря чему решение исходной зада- чи сводится к последовательному решению задач линейного про- граммирования.
Процесс нахождения решения задачи начинают с определения точки, принадлежащей области допустимых решений задачи. Пусть
это точка X