Методы оптимизации - теормин (Методы оптимизации - теормин.docx)
Описание файла
Документ из архива "Методы оптимизации - теормин.docx", который расположен в категории "". Всё это находится в предмете "методы оптимизации" из 5 семестр, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. .
Онлайн просмотр документа "Методы оптимизации - теормин"
Текст из документа "Методы оптимизации - теормин"
Методы оптимизациии. Теормин.
-
Массовая задача.
Формально массовая задача П определяется:
1) общим списком всех параметров задачи (свободных параметров, значения которых не заданы),
2) формулировкой свойств, которым должен удовлетворять ответ (решение задачи).
-
Индивидуальная задача.
Индивидуальная задача I ∈ П получается из П, если всем параметрам присвоить конкретные значения.
-
Алгоритм решения задачи.
Будем говорить, что алгоритм А решает массовую задачу П, если для ∀I ∈ П алгоритм А применим к I (т. е. останавливается за конечное число шагов) и для ∀I ∈ П алгоритм А дает решение задачи I.
-
Полиномиальные алгоритмы решения массовой задачи.
Алгоритмы, решающие произвольную I ∈ П за время, ограниченное полиномом от “размера” I. Полиномиальные задачи - задачи, для которых существуют полиномиальные алгоритмы решения.
-
Задачи распознавания свойств.
Массовые задачи, предполагающие ответ “да” или “нет” в качестве решения.
-
Кодировка задачи.
Введем конечное множество - алфавит ∑ = {i}, а также множество ∑* слов над алфавитом ∑ - произвольных конечных последовательностей, составленных из символов алфавита, возможно повторяющихся, = i1i2...in, ij ∈ ∑ ∀ij. Число n называется длиной слова и обозначается ||. Кодировкой задачи П назовем такое отображение e: П → ∑*, ставящее в соответствие любой индивидуальной задаче I ∈ П ее код e(I) = ∈ ∑* (слово из алфавита ∑*), что
1) Возможно однозначное декодирование: ∀I1 ≠ I2 e(I1) ≠ e(I2)
2) e, e-1 полиномиально вычислимы: существует алгоритм, реализующий e, e-1 и полином p(), для которого ∀I ∈ П время определения e(I), e-1(e(I)) не превосходит p(|e(I)|)
3) Кодировка неизбыточна: для любой другой кодировки e’, удовлетворяющей условиям 1) и 2), найдется полином p’, такой что ∀I ∈ П |e(I)| < p’(|e’(I)|).
-
Временная сложность алгоритма.
Алгоритм А решает массовую задачу П, если L(A) = L(П, e) иА останавливается. Обозначим tA(σ) – время работы над словом σ (число шагов).
Временной сложностью алгоритма А решения массовой задачи П назовем функцию
-
Класс полиномиально разрешимых задач (P)
P = {L(П, e) |}
Если для задачи П существует такая кодировка e, что, то будем называть П полиномиальной.
-
Недетерминированная машина Тьюринга (НДМТ)
Определяется как набор обычных (детерминированных) машин Тьюринга A(S) с алфавитом Σ, где S пробегает все множество слов из Σ*:
НДМТ останавливается, когда останавливается первая из ДМТ A(S), принимающая входное слово. Соответствующее конечное состояние – qY.
Язык НДМТ – множество слов, принимаемых хотя бы одной ДМТ.
-
НДМТ решает массовую задачу П с кодировкой е
НДМТ решает массовую задачу П с кодировкой е, если L(П, e) = L(Â)
-
Время работы НДМТ Â над словом σ
Минимальное из времен работы ДМТ A(S) над словом σ с учетом времени прочтения слова S
-
Временная сложность НДМТ Â решения массовой задачи П
Функция
-
Класс недерминированно полиномиальных задач (NP)
-
Теорема об экспоненциальной оценке временной сложности NP
-
Дополнительная массовая задача
Дополнительная к П массовая задачаполучается из П распознавания свойств заменой альтернативного вопроса, определяющего ответ в задаче его отрицанием.
-
Классы co-P и co-NP
co-P =
co-NP =
Утверждение: co-P = P.
-
Задача, имеющая хорошую характеризацию
П имеет хорошую характеризацию, если, П – распознавания свойств.
-
Полиномиальная сводимость
П’ распознавания свойств с кодировкой e’ полиномиально сводится к П с кодировкой e, еслиможет быть сведена за полиномиальное от ее длины время к некоторой
с сохранением ответа.
-
Утверждения
-
NP-полная задача
Массовая задача П называется NP-полной (универсальной), если
Класс NP-полных задач – NPC (NP-complete).
-
Задача о выполнимости (ВЫП)
Выяснить выполнимость КНФ (существует ли набор входных данных, на которых КНФ равна 1).
-
Теорема Кука
-
Утверждения
Если, то P = NP
Если, то
-
Критерий NP-полноты
Массовая задача П NP-полна тогда и только тогда, когда она принадлежит классу NP, и к ней полиномиально сводится какая-либо NP-полная задача.
-
Задача ЦЛН
Задача о существовании целочисленного решения системы линейных неравенств с целыми коэффициентами. Принадлежит классу NPC.
-
Задача БЛН
Задача о существовании булева решения системы линейных неравенств с целыми коэффициентами. Принадлежит классу NPC.
-
Задача 3-ВЫП
Частный случай ВЫП, когда функции от 3-х переменных.
-
Утверждение
-
Утверждение
Если для некоторой NP-полной задачи П дополнительная к ней принадлежит классу NP, то NP = co-NP.
-
Класс NP-трудных задач
Класс NP-трудных задач объемлет NPC. Он содержит:
1) П распознавания свойств, для которых доказано, что, но не доказано, что
2) П оптимизации, для которых соответствующие П распознавания свойтсв NP-полны
3) Остальные массовые задачи, к которым сводятся по Тьюринту какие-либо NP-полные задачи.
-
NP-эквивалентные задачи
П, для которых
-
Класс PSPACE
Класс задач, для решения которых существуют алгоритмы, требующие не более чем полиномиальной памяти.
-
Псевдополиномиальный алгоритм
Обозначим:
num(I) – максимальное по модулю число (или 0), фигурирующее при задании числовых параметров индивидуальной задачи I
|I| = |e(I)| – длину записи I.
Алгоритм А решения массовой задачи П называется псевдополиномиальным, если для некоторого полинома p() выполнено
-
Полиномиальное сужение массовой задачи
Множество индивидуальных задач, числовые параметры которых не превосходят полинома от длины входа.
-
Сильно NP-полная задача
Массовая задача П распознавания свойств называется сильно NP-полной, если ее полиномиальное сужение NP-полно.
-
Теорема
Если P ≠ NP, то ни для какой сильно NP-полной задачи не существует псевдополиномиального алгоритма.
-
Задачи дискретной (комбинаторной) оптимизации
Для оптимизационной постановки задачи П решением каждой I ∈ П является произвольная оптимизация
SП – область допустимых значений дискретной (целочисленной) переменной z.
– целевая функция задачи I.
-
Приближенный алгоритм решения
Алгоритм А называется приближенным алгоритмом решения массовой задачи П оптимизации, если ∀I ∈ П он находит некоторую точку из допустимой области
zA(I) ∈ SП(I), принимаемую за приближенное решение. Значение fП(I, zA(I)) называется приближенным значением оптимума и обозначается A(I).
-
Утверждение о погрешности
Если P ≠ NP, то ни для какой константы C > 0 не существует полиномиального приближенного алгоритма А решения задачи о рюкзаке ЗР с оценкой
-
ε-приближенный алгоритм
Приближенный алгоритм А решения массовой задачи П называется ε-приближенным для некоторого ε > 0, если
-
Теорема
Пусть для задачи П оптимизации
1) Существует псевдополиномиальный алгоритм ее решения
2)для некоторых полиномов p1 и p2
3) σ = e(I), I ∈ П, параметры σS, задающие ограничения, и σf, задающие целевую функцию, не пересекающиеся и z ∈ SП(σ) функция цели fП(σ, z) линейно зависит от параметров σf. Тогда
ε-приближенный алгоритм Аε решения П с временной сложностью
-
Полностью полиномиальная приближенная схема (ПППС)
Набор алгоритмов из теоремы в пункте 41.
-
Теорема
Если для П оптимизации соответствующая ей П распознавания свойств является сильно NP-полной, и, то, при условии что P ≠ NP, для П не существует ПППС.
-
Утверждение
Если P ≠ NP, то ни для какого ε > 0 не существует полиномиального ε-приближенного алгоритма решения оптимизационной постановки задачи коммивояжера.
-
Основная задача линейного программирования (озЛП)
Состоит в нахождении такого решения системы ЛН, которое максимизирует целевую функцию.
-
Каноническая задача ЛП
-
Принцип граничных решений
Если задачаимеет решение, то найдется такая подматрица AI матрицы А, что любое решение системы уравнений AIx = bI реализует максимум в
-
Симплекс-метод
Метод направленного перебора смежных вершин в направлении возрастания целевой функции.
-
Функции алгебраической и битовой сложности
Функция алгебраической сложности: оценивает число арифметических операций в зависимости от размерности, не учитывает длину кода элементов.
Функция битовой сложности: оценивает число арифметических операций с битами (или конечными порциями – по размеру машинного регистра) цифровой записи параметров задачи в зависимости от длины входного слова.
-
Сильнополиномиальный метод
Метод, имеющий полиномиальную алгебраическую сложность.
-
Теорема о границах решений
Для любой целочисленной матрицы D введем параметр
[A|b] – матрица, полученная приписыванием справа к А столбца b.
Теорема
Если озЛП размерности (n, m) с целыми коэффициентами разрешима, то у нее существует рациональное решение x* в шареи значением озЛП
d* = <c, x*> является рациональное число t/s со знаменателем, ограниченным величиной (А).
-
ε-приближенное решение системы ЛН
Точка xε называется ε-приближенным решением системы неравенств, если
, где аi – i-ая строка матрицы А.
-
Теорема о мере несоместности
Если ЛН имеет ε1-приближенное решение для, то эта система разрешима, то есть имеет точное решение.
-
ε-приближенное решение озЛП
Точканазывается ε-приближенным решением озЛП, если она является ε-приближенным решением системы ЛН и реализует максимум с ε-точностью:
-
Теорема о мере несоместности*
Если озЛП имеет ε2-приближенное решение для, то эта задача имеет точное решение.
-
Следствие разрешимой системы ЛН
Линейное неравенство <c, x> ≤ d является следствием разрешимой системы ЛН, если для x, удовлетворяющего системе, выполнено <c, x> ≤ d.
-
Лемма Фаркаша (аффинная)
Линейное неравенство <c, x> ≤ d является следствием разрешимой в вещественных переменных системы ЛН тогда т только тогда, когда существует вектор
-
Лемма Фаркаша о неразрешимости
Система ЛН Ax ≤ b неразрешима тогда и только тогда, когда разрешима система
-
Двойственная задача
Двойственной к задаче ЛП на максимум с ограничениями неравенствами в форме озЛП называется следующая задача ЛП с ограничениями в канонической форме:
или кратко
-
Теорема о двойственности ЛП
Задача ЛП разрешима тогда и только тогда, когда разрешима двойственная к ней. В случае разрешимости оптимальные значения целевых функций совпадают.
-
Утверждение
Задача ЛП оптимизации эквивалентна решению системы ЛН.
-
Утверждение
Задача ЛП эквивалентна решению системы линейных уравнений в неотрицательных переменных.
-
Утверждение
Задача ЛП эквивалентна поиску неотрицательного ненулевого решения однородной системы линейных уравнений.
-
Метод Крамакара
-
Классификация задач МП
ЗМП – задачи с вещественными переменными.
1) Условные задачи
2) Безусловные
По свойствам целевой функции ЗПМ делятся на
1) Задачи ЛП
2) Задачи выпуклого программирования
3) Гладкие и негладкие и др.
С точки зрения численных методов
Локальная и глобальная оптимизация
-
Точка локального минимума в ЗМП
называется точкой локалького минимума в ЗМП, если
-
Утверждение
-
Выпуклая функция
Функция f(x) называется выпуклой на X, если ее надграфик
– выпуклое множество. Функция называется выпуклой, если она выпукла на всей области определения.
Множество называется выпуклым, если для любых двух своих точек оно содержит отрезок, их соединяющий.
-
Утверждение
Любая точка локального минимума выпуклой функции является точкой ее глобального минимума.
-
Преимущества выпуклого случая
1) Задача поиска ε-приближенного решения задачи выпуклого программирования полиномиально разрешима
2) Для острых задач – когда функция цели убывает в окрестности минимума не медленнее некоторой линейной функции, можно найти точное решение.
-
Направление убывания функции
Векторназывается вектором убывания f в точке x, если
для достаточно малых
-
Утверждение
Пусть f дифференцируема в X. Тогда, если, то h – направление убывания f в точке x. Если h – направление убывания f в точке x, то
-
Градиентный метод оптимизации
Выбор:
1) Пассивные способы – выбираются заранее
2) Адаптивные способы – зависит от реализующейся итерации (метод скорейшего спуска, метод дробления шага, правило Армихо)
-
Метод проекции градиента
-
Дифференцируемая по Адамару функция
Функция называется дифференцируемой по Адамару в точке, если существует вектор
, такой что
выполнено
-
Контингентный конус
Контингентным конусом ко множеству X в точке x называется множество векторов
-
Общий вид необходимых условий локального минимума
Пусть f дифференцируема по Адамару,– точка лоального минимума f. Тогда
-
Регулярное множество
– множество активных ограничений.
Множество X для ограничений неравенств называется регулярным в точке x ∈ X, если
-
Необходимые условия локального минимума с ограничениями-неравенствами
Пустьдифференцируемы по Адамару,
– точка локального минимума f и X регулярно в x0. Тогда
-
Принцип оптимальности Лагранжа
В предположениях теоремы из пункта 79 существует неотрицательный вектор множителей Лагранжа, такой что для x0 выполнены условия оптимальности
-
Теорема Куна-Таккера
Если функциивыпуклы и множество X регулярно в любой точке, то x* – точка оптимума в этой задаче тогда и только тогда, когда в ней выполнены условия оптимальности для
-
Вполне унимодулярная матрица
Матрица называется унимодулярной, если определительн любой ее невыожденной квадратной подматрицы равен по модулю 1.