Главная » Просмотр файлов » Курс лекци Русакова по методам оптимизации

Курс лекци Русакова по методам оптимизации (1083216), страница 11

Файл №1083216 Курс лекци Русакова по методам оптимизации (Курс лекци Русакова по методам оптимизации) 11 страницаКурс лекци Русакова по методам оптимизации (1083216) страница 112018-01-12СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 11)

определение I(x*)).Тогда g i ( x * +ε S ) < 0 (см.(1) и (*)).Если i ∉ I (x*) , то g i ( x*) < 0 . Отсюда gi ( x * +ε S ) < 0 (ε- достаточномало).Таким образом, при достаточно малых ε, точка x* + εS- допустима,кроме этого функция f на этом луче убывает. Таким образом? точка x* неявляется экстремальной. Для экстремальной точки x* система неравенств (*)- несовместна.Лемма Фаркаша:Для любой m × n-матрицы А справедливо ровно одно из следующихдвух условий:1)либо ∃x ∈ R n , Ax < 01002)либо ∃λ ∈ R n , AT λ = 0, λ i ≥ 0,i = 1, mБез доказательства.Теорема Каруша-Джона:Пустьx*—экстремальнаяточказадачинелинейногопрограммирования.Пусть в точке x* градиенты функций, соответствующие активнымограничениям, линейно-независимы, тогда существуют λ1,...,λm ≥0 (не всенулевые), для которых выполняются следующее условия:m∇f(x*)+∑ λ i ∇gi ( x*) = 0- условие дополняющей нежесткости.i =1 λ g ( x*) = 0,i = 1, m i iДоказательство:Как показано выше, не существует такого S, для которого выполнялисьбы следующие неравенства:(∇g i ( x*), S ) < 0, для любого i∈I(x*).(∇f ( x*), S ) < 0Воспользуемся леммой Фаркаша, составим матрицу: ∇gi ( x n ) A =  ...............

 , i∈I(x*). ∇f ( x*) Не существует S такого, что AS<0. Следовательно, существуютλ 0,..., λ m ≥ 0 такие, что (по лемме Фаркаша) выполняются условия:mλ 0∇f ( x*) + ∑ λ i ∇g i ( x*) = 0( *)(λi: = 0, если i∉I(x*)).i =1Для активных ограничений gi = 0, для неактивных λi = 0. Тогдаλ i gi (x*) = 0, i = 1, m .101λ 0 ≠ 0, так как если бы он был равен 0 ,то градиенты, соответствующихактивных ограничений, были бы линейно-зависимы, что противоречитусловию. Разделим (*) на λ0и получим требуемое утверждение. Условиелинейной независимости градиентов функций активных ограничений иногданазывают условием регулярности.Упражнение.

Найти минимум функции f(x1, x2) при ограниченииx12+x22≤1.3.02 Задача выпуклого программированияРассмотрим задачу поиска минимума функции f на допустимоммножестве X.X=x∈Rn, gi(x) ≤ 0, i =1...m ,f и все gi ∀i - выпуклы.Утверждение:Допустимое множество в задаче выпуклого программирования (ЗВП)выпукло.Доказательство:Пусть x1,x2∈X ,λ∈[0,1]Рассмотрим z=λx1+(1-λ)x2∈X.

Так как Rn – выпукло, то z∈Rn. Надопроверить gi(z) ≤ 0.Воспользуемся свойством выпуклости gi :gi(λx1+(1-λ)x2) ≤ λ gi (x1) + (1- λ ) gi(x2)0тогда λ x1+(1- λ )x2∈ X (см. определение X), но рассматривается толькоотдельная gi.102Все допустимое множество X рассматривается как пересечениевыпуклых множеств ⇒ X выпукло.Определение :Функцией Лагранжа в ЗВП называется функцияmf(x)+ ∑ λ i g i ( x ) = f(x) + ( λ ,g(x)), где λ i ≥ 0.i =1Справедлива теорема Каруша-Джона:m∇f(x∗)+ ∑ λ i ∇gi ( x ∗ ) =0, λ i gi(x*) = 0, i=1..mi =1В случае выпуклости множества X условие линейной независимостивекторов ∇ gi(x), соответствующее активным ограничениям, можно заменитьболее просто проверяемыми, а именно, так называемымиусловиямирегулярности.Существуют различные условия регулярности ограничений:А) если для любого i (1 ≤ i ≤ m) существует такая точка xi∈ X : gi (xi)<0, то говорят, что множество X удовлетворяетусловию регулярности.Б) условие регулярности Слейтера:Существует точка x∈ X такая, что для всех i=1...m gi(x)<0.Легко доказать эквивалентность условий А и Б .

Очевидно, что из Бmследует А. Пусть теперь выполняется А. Выберем x = ∑ λ i xi ,i =1103m∑ λ i =1,i =1λ i ≥ 0,i=1...m это возможно, так как X выпукло. Тогда Б следует из неравенстваИенсена.Замечание:Условие регулярности означает, что допустимое множество имеетвнутреннюю точку (то есть оно не вырождено в точку)ОпределениеПусть существует функция ϕ (x,y), точка (x,y) называется седловойеслиточкойфункции ϕ ,ϕ (x ∗ ,y) ≤ ϕ (x ∗ ,y ∗ ) ≤ ϕ (x,y ∗ )выполняетсяследующееРис.

3.1. Иллюстрация седловой точки.Определение104неравенство:Седловая точка в математическом программировании — точка, гдефункция Лагранжа достигает максимума по исходным переменным (прямойзадачи) и минимума по множителям Лагранжа.Принекоторыхусловияхвзадачахвыпуклогоилинейногопрограммирования оказывается возможным заменить исходную задачузадачей разыскания С. т. функции Лагранжа, поскольку существование такойточки — необходимое и достаточное условие оптимальности решения.Вообще в математике седловая точка соответствует случаям, когдазначение функции двух переменных представляет собой одновременномаксимум относительно одной переменной (вектора переменных) и минимумотносительно других (другого вектора переменных).Теорема (о седловой точке):Пусть функция Лагранжа ЗВП имеет седловую точку, то естьmmf(x ∗ )+ ∑ λ i gi ( x*)≤ f(x ∗ )+i =1m∑ λ i*gi ( x*)≤ f (x)+∑ λ i*gi ( x )i =1i =1для любого x∈Rn, λi ≥0, i =1...mтогда x*- оптимальная точка ЗВП.Доказательство:Из левого неравенства следует:mm∑ λ i gi ( x*) ≤ ∑ λ i*gi ( x*) ,λi* ≥0, gi(x*)0 (см.

определение X)i =1i =1Так как λ -любое, то при λ =0 получится:105m0≤ ∑ λ i*gi ( x*) ⇒ (λ* , g(x*))=0.i =1Из правого неравенства имеем:mf(x*)+0 ≤ f(x)+∑ λ i*gi ( x )≤ f(x)∀ x∈ Xi =1Тогда по определению оптимальной точки x* оптимальна.Теорема Куна-Таккера:Пусть в ЗВП выполнено условие регулярности Слейтера. Тогда длятого, чтобы x* была оптимальной точкой ЗВП, необходимо и достаточно,чтобы для некоторого вектора λ* с неотрицательными компонентами точка(x*,λ*) была седловой точкой функции Лагранжа, то есть∂ ψ * ∂x =0∂ ψ * def ∂ ψ ( x,λ )=x = x*, λ =λ *∂ ψ * ≤ 0∂x∂x,где ∂λ∂ ψ * def ∂ ψ ( x,λ )∂ψ *=x = x*, λ =λ *)=0(λ *,∂λ∂λ∂λλ* ≥ 0Если на x наложены ограничения (x ≥ 0), то :∂ψ *∂ ψ *≥0;(x*,) = 0;x* ≥ 0 ∂ x∂x∂ ψ * ≤ 0;(λ*, ∂ ψ * ) = 0;λ* ≥ 0 ∂ λ∂λДоказательство:106Достаточность следует из теоремы о седловой точке.Необходимость - без доказательства.3.03 Методыусловнойминимизации.Методпроекцииградиента.Рассматривается задача поиска минимума функции f на допустимоммножестве X.X=x∈Rn, gi(x) ≤ 0, i =1...m ,Методf и все gi ∀i - выпуклы.проекции градиента является обобщением градиентногометода.

Так как возможен выход за пределы допустимого множества, товводится операция проектирования на X (поиск ближайшей точки на X).xk+1= px (xk- γ∇f(xk)), где px проектор на X.Пример:Если X- круг, то проекция точки на X есть точка пересеченияокружности и прямой, соединяющей центр и проектирующую точку. Чемсложнее область X, тем сложнее операция проектирования.Метод обладает теми же свойствами, что и градиентный метод спостоянным шагом.3.04 Метод условного градиента107В очередной точке xk линеаризуют функцию f(x) (в этом «условность»метода, то есть линеаризация и есть «условие» в названии). Затем решаютзадачу min линейной функции на X и найденную точку используют длявыбора направления движения.x k = arg min(∇f ( x k ),x)Xx k +1 = x k +γ k ( x k − x k )При этом предполагается:1.

Задача минимизации линейной функции на X имеет решение.2. Это решение может быть найдено достаточно просто, лучше всего в явнойформе.3. Нужно указать правило выбора γk. Можно γk определить из условиянаискорейшего спуска :γ k = argmin f ( x k +γ ( x k − x k ))0 ≤γ ≤1В этом случае последовательность xk сходится к специальной точке. Вчастности для гладких функций f верно: f(x*)- f* = o(1/k), где f* = min f(x) намножестве X.3.05 Метод модифицированной функции ЛагранжаФункцией Лагранжа в ЗВП называется функцияmψ(x ,λ) = f(x)+ ∑ λ i g i ( x ) = f(x) + ( λ ,g(x)), где λ i ≥ 0.i =1Выше была доказана теорема о седловой точке:Если выполняется соотношение108ψ(x* , λ)≤ ψ(x* ,λ*)≤ ψ(x ,λ*) ∀x∈Rn, λ ≥ 0,тоточка x* является оптимальной точкой задачи выпуклогопрограммирования.Это соотношение можно записать иначе:(*) ψ(x* ,λ*) = minn max ψ(x ,λ) = max minn ψ(x ,λ) = f(x*)x∈Rλ ≥0λ ≥0 x∈RЕсли назвать x прямыми переменными, а λ двойственными, то видно,что прямые и двойственные переменные равноправны.Теорема Куна- Таккера позволяет исходную задачу заменить задачейотыскания седловой точки функции Лагранжа, то есть задачи видаmax minn ψ(x ,λ).λ ≥0 x∈RМетод Эрроу-Гурвица ориентирован на поиск седловой точки функцииψ(x ,λ).Метод Эрроу- Гурвица∂ψ k k k +1kkkkk x = x −γ ∂ x ( x ,λ ) = x −γ (∇ f ( x ) + (∇g ( x ),λ ))λ k +1=λ k +γ ∂ ψ ( x k ,λ k ) = λ k +γ g( x k )∂λСходимость таких методов затруднена в общей ситуации.Метод модифицированной функции Лагранжа обладает лучшимихарактеристиками по сравнению с предыдущими методами.Определим - модифицированная функция Лагранжа:2λ12µ ( x,λ,k ) = f ( x ) +λ + k g ( x )+ −.2k2kk- некоторый параметр (штраф)109+ - взятие положительной части.Свойства модифицированной функции Лагранжа.1.

Если λ + k g(x)>0, то µ ( x,λ ,k ) = f ( x ) + (λ , g ( x )) +kg ( x)22kg ( x)22- добавка (штраф) за то, что g(x)>0.2. lim µ ( x ,λ , k ) = ψ ( x ,λ ) (функция Лагранжа),k →0иначе lim µ ( x,λ , k ) = −∞k →0Метод модифицированной функции Лагранжа. x k +1 = arg minµ ( x,λ k , k ),x ∈ R n k +1λ = [λ k +γ k ∇λ µ ( x k +1 ,λ k , k )]+Метод сходится к (x* ,λ*) со скоростью геометрической прогрессии.3.06 Метод штрафных функцийИдея метода: Сведение задачи с ограничениями к последовательностизадач без ограничений.ЗНП:min f(x), x∈X,X = {x∈Rn, gi(x) ≤0, i = 1...m}Определение:Функция ψ(x), определенная и непрерывная всюду в Rn , называетсяштрафной функцией для рассматриваемой задачи с ограничениями, если:110 ψ ( x ) = 0, x ∈ Xnψ ( x ) > 0, x ∈ R / XСтроится однопараметрическое семейство функций:ψ ( x, β ) = f ( x ) +1ψ ( x ) , где β - скалярный параметр, принимающийβстрого положительные значения.Алгоритм метода штрафных функций:1) Выбираем убывающую последовательность {β k }k =1 положительных чисел,∞такую, что lim β k = 0 .k →02) Сопоставляем каждому βк из этой последовательности соответствующуюфункцию семейства ψ(x,β).

Характеристики

Тип файла
PDF-файл
Размер
5,41 Mb
Тип материала
Высшее учебное заведение

Список файлов лекций

Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6418
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее