Главная » Просмотр файлов » ФедотовА.А. Численные методы интегрирования .. 2015

ФедотовА.А. Численные методы интегрирования .. 2015 (864364), страница 8

Файл №864364 ФедотовА.А. Численные методы интегрирования .. 2015 (А.А. Федотов, П.В. Храпов - Численные методы интегрирования, решения дифференциальных уравнений и задач оптимизации) 8 страницаФедотовА.А. Численные методы интегрирования .. 2015 (864364) страница 82022-01-19СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 8)

5.1):а) если F ( x1 )  F ( x2 ), то x *  [ x1 , b];б) если F ( x1 )  F ( x2 ), то x*  [a , x2 ];в) если F ( x1 )  F ( x2 ), то x*  [ x1 , x2 ] .Пользуясь утверждением, перейдем теперь к конкретным методам одномерной оптимизации.61Рис. 5.1. Сужение интервала неопределенности для унимодальной функции:а — F ( x1 )  F ( x 2 ); б — F ( x1 )  F ( x 2 ); в — F ( x1 )  F ( x 2 )Метод дихотомий (половинного деления).

В условиях, когдана k-м шаге проводятся два опыта, аргументы x1,k и x2,k должнывыбираться на расстоянии δ 2 справа и слева от середины интервала:a b a b x1,k  k k  ; x2,k  k k  ,2222где ak , bk — границы интервала неопределенности; ck  ak  bk 2(рис. 5.2).Рис. 5.2. Метод дихотомийЕсли F ( x1, k ) > F ( x2,k ), то ak 1  x1, k , bk 1  bk ;если F ( x1, k ) < F ( x2,k ), то ak 1  ak , bk 1  x2,k ;если F ( x1, k ) = F ( x2,k ), то ak 1  x1, k , bk 1  x2, k .Оценим (сверху) длину интервала неопределенности l(n) послеn шагов:ba   (b  a)  21    21 ;22l (2)  (l (1)  ) 2  (b  a)  22    22    21;l (3)  (l (2)  ) 2  (b  a)  23    23    22    21  (b  a)  23  (1  23 );.................................................................................l (n)  (b  a)  2 n   (1  2 n ).l (1) 62Рассмотрим метод золотого сечения.Определение.

Говорят, что точка y k осуществляет золотое сечение отрезка [ak , bk ] (рис. 5.3), еслиbk  ak bk  yk.bk  yk yk  akРис. 5.3. Золотое сечение отрезка [ak , bk ]Другими словами, золотое сечение — это деление отрезка надве части таким образом, что большая его часть является среднимгеометрическим между всем отрезком и меньшей его частью.Термин «золотое сечение» ввел Леонардо да Винчи (конец XV в.).Золотое сечение или близкие ему пропорциональные отношения легли в основу композиционного построения многих произведений мирового искусства (главным образом, в архитектуре античности и Возрождения, например, капелла Пацци во Флоренции, архитекторФ. Брунеллески, XV в.).Вычислим, чему равно отношение длины большей части отрезка l k к длине всего отрезка:ll.l l  lОтсюдаl5 1 0,62.l25 1называется золотым сечением.2В методе золотого сечения делим интервал неопределенностина три части (рис. 5.4).

Точки x1,k и x2,k осуществляют золотоесечение отрезка [a k , bk ] :Число  x1, k  ak  (1  )(bk  ak );x2, k  bk  (1  )(bk  ak ).63Рис. 5.4. Пример золотого сечения отрезкаМожно показать, что точки x1,k и x2,k являются золотым сечением отрезков [ak , x2, k ] и [ x1, k , bk ] соответственно и, следовательно, одна из двух точек x1,k или x2,k используется и на следующемшаге, что уменьшает количество вычислений.Пример. Пусть F ( x )  ( x  1)2 . Несмотря на очевидность результата, будем сужать интервал неопределенности:a1  0; b1  3;x1,1  0  0, 38(3  0)  1,14; x2,1  3  0, 38(3  0)  1,86;F ( x1,1 )  0,142  0, 0196; F ( x2,1 )  0, 862  F ( x1,1 );a2  a1  0; b2  x2,1  1, 86;x1,2  a2  0, 38(1, 86  0)  0, 7128; x2,2  x1,1  1,14;F ( x1,2 )  0, 292  F ( x2,2 ).Следовательно, a3  x1,2  0, 7128; b3  b2  1, 86 и т.

д.5.2. Многомерная оптимизацияТребуется найтиmin F ( x1 , x2 , ..., xn ).x1 , x2 ,..., xnДля простоты рассуждений далее будем рассматривать функцию F ( x, y ) двух переменных.5.2.1. Метод покоординатного спускаВыберем начальное приближение ( x0 , y0 ) (рис. 5.5). Фиксируем значение координаты y  y0 , тогда F ( x, y ) будет зависетьтолько от переменной x, обозначим ее f1 ( x )  F ( x , y0 ).64Используя описанные выше методы одномерной оптимизации,найдем минимум функций одной переменной f1 ( x ) и обозначим егоx1 .

Мы сделали шаг из точки ( x0 , y0 ) в точку ( x1 , y0 ) по направлению, параллельному оси OX, на этом шаге значение функции уменьшилось. Затем из новой точки делаем спуск по направлению, параллельному оси OY, т. е. рассмотрим функцию f 2 ( y )  F ( x1 , y ),найдем ее минимум и обозначим его y1. Приход в точку ( x1 , y1 ) завершает цикл спусков. Будем повторять циклы.Утверждение. Если функция F ( x, y ) гладкая, то в некоторойокрестности минимума процесс спуска по координатам сходитсяк этому минимуму.Рис.

5.5. Метод покоординатногоспускаПример.(рис. 5.6);ПустьРис. 5.6. Пример нахождения минимума функции F ( x, y ) методомпокоординатного спускаF ( x, y )  4( x, y )2  ( x  y )2  5 x 2  6 xy  5 y 2x0  1; y0  1;f1 ( x )  5 x 2  6 x  5; f ( x1 )  10 x1  6  0; x1  0, 6;f 2 ( y )  x12  6( x1 ) y  5 y 2 ;f 2( y1 )  10 y1  6 x1  0; y1  0, 6 x1  0, 36и т. д.655.2.2.

Метод наискорейшего (градиентного) спускаВ этом методе следующее приближение отыскивается в видеx n 1  x n  n grad F ( x n ).Значение δn определяется из условияmin F  x n  n grad F ( x n )  ,nт. е. алгоритм состоит в последовательной минимизации функцииодной переменной n .Пример. Пусть F ( x1 , x2 )  x12  4 x22 (рис. 5.7);x10  2; x20  1;grad F ( x1 , x2 )  (2 x1 ,8 x2 );grad F (2,1)  (4,8); 2 4   2  4 0 x1 (0 )     0    .1 8   1  80 _Рис. 5.7. Метод наискорейшего (градиентного) спускаНайдемmin (),66где( 0 )  (2  40 )2  4(1  80 )2 ;( 0 )  2(2  40 )( 4)  8(1  80 )( 8)  0; 0 5.34Отсюдаx11 324; x12  1717и т. д.5.2.3. Метод сопряженных градиентовДо сих пор в итерационной процедуре в качестве направленияубывания функции F ( x ) мы использовали направление антиградиента: p k  grad F ( x k ).

Однако такой выбор направления невсегда бывает удачным. В частности, для плохо обусловленныхзадач минимизации направление антиградиента в точке x k можетзначительно отличаться от направления к точке минимума x  .В результате траектория приближения к точке минимума будетиметь зигзагообразный характер (см. рис. 5.7). Метод сопряженных градиентов лишен этого недостатка.Определение. Ненулевые векторы p1 , p 2 , ..., p k называютсясопряженными относительно матрицы А размеров (n  n), илиА-ортогональными, если( Api , p j )  0, i  j; i, j  1, ..., k .(5.1)Рассмотрим минимизацию в R n квадратичной функции1F ( x )  ( Ax, x )  (b, x)  c с положительно определенной матри2цей А с помощью итерационного процессаx k 1  x k   k p k , k  0,1, ..., x 0  R n ;p0   grad F ( x 0 ),(5.2)где векторы p k А-ортогональны, а величина шага k определяется из условия исчерпывающего спуска по направлению p k .67После вычисления очередной точки x k 1 , k  0,1, ...

новоенаправление поиска pk 1 находят по формулеp k 1  grad F ( x k )  k p k , k  0,1, ...,(5.3)где коэффициенты  k выбирают так, чтобы при минимизацииквадратичной функции F ( x ) с положительно определенной матрицей А получилась последовательность А-ортогональных векторов p0 , p1 , ... .Из условия ( Ap k 1 , p k )  0 имеемk A  grad F ( p k 1 ), p k .(5.4)( Ap k , p k )Для квадратичной функции шаг исчерпывающего спуска понаправлению p k равенkgrad F ( x k ),pk .(5.5)( Ap k , p k )Можно показать, что описанный процесс минимизации(см.

(5.2)–(5.5)) квадратичной функции с положительно определеннойсимметричной матрицей А дает точки x 0 , x1 , ..., x k и векторыp0 , ..., p k , такие, что если grad F ( x i )  0 при 0  i  k  n  1, товекторы p0 , ..., p k А-ортогональны, а градиенты grad F ( x 0 ), …,grad F ( x i ) взаимно ортогональны.Обращение градиента в нуль в очередной точке x k итерационного процесса свидетельствует о достижении точки глобальногоминимума.

Рассматриваемый метод гарантирует нахождение точки минимума квадратичной функции не более чем за n шагов.С учетом взаимной ортогональности градиентов grad F ( x i ) иусловий исчерпывающего спуска по направлениям p k можноупростить выражения (5.4) и (5.5). Запишем числитель дроби (5.5)в виде grad F ( x k ), p k    grad F ( x k ),  grad F ( x k )  k 1 pk 1    grad F ( x k )  k 1  grad F ( x k ), pk 1    grad F ( x k ) .22(5.6)68Умножив обе части равенства (5.2) слева на матрицу А и прибавив к ним по вектору b, получимgrad F ( x k 1 )  grad F ( x k )   k Ap k .(5.7)С учетом формулы (5.7) упростим числитель в выражении (5.4)для  k следующим образом: Agrad F ( x k 1 ),  grad F ( xk 1), (grad F ( xp k    grad F ( x k 1 ), Aр k  k 1)  grad F ( xk 1grad F ( x k )2) k  grad F ( x k 1 )k.В результате получимk k grad F ( x k 1 )grad F ( x k )(5.8),( Aр k , р k )22.(5.9)Выражение (5.9) для коэффициента  k не содержит в явномвиде матрицу А квадратичной функции.

Поэтому метод сопряженных градиентов может применяться и для минимизации неквадратичных функций. В этом случае итерационный процесс методаописывается соотношениямиx k 1  x k   k p k , x 0  R n ,p k  grad F ( x 0 ), k  0, 1, 2, ... ;(5.10)F ( x k   k p k )  min F ( x k   p k ), k  0, 1, 2, ... ;(5.11)p k 1  grad F ( x k 1 )  k p k , k  0, 1, ... ;(5.12) 0k grad F ( x k 1 )gradF ( x k ), k  1, 2, ... .(5.13)69Разумеется, процесс (5.10)–(5.13) может не приводить к точке минимума функции F ( x ), отличной от квадратичной, за конечное число итераций.

Точное определение k из условия (5.11) возможно получить лишь в редких случаях. Поэтому реализация каждой итерациибудет сопровождаться неизбежными погрешностями. Эти погрешности, накапливаясь, могут привести к тому, что векторы p k перестанут указывать направление убывания функции и сходимость методаможет нарушиться. Поэтому на практике в методе сопряженных градиентов через N шагов производят обновление метода, полагая mN  0, m  1, 2, ... . Номера mN называют моментами обновленияметода (рестарта). Часто полагают N = n, где n — размерность пространства R n .

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
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
6451
Авторов
на СтудИзбе
305
Средний доход
с одного платного файла
Обучение Подробнее