Помощь в учёбе, очень быстро...
Работаем вместе до победы

Методы квадратичной аппроксимации. 
Метод переменной метрики для задач условной оптимизации

КурсоваяПомощь в написанииУзнать стоимостьмоей работы

Необходимо отметить также тот факт, что при размещении начального приближения в начале координат программа отказывается работать, так как не может решить систему уравнений, состоящую из производных функции Лагранжа задачи квадратичного программирования. Система оказывается несовместной, но даже при малом отклонении от начала координат в сторону увеличения переменной решение будет найдено… Читать ещё >

Содержание

  • Введение
  • Теоретическая часть Общая задача нелинейного программирования
  • Методы безусловной оптимизации, использующие квадратичную аппроксимацию
  • Алгоритм метода переменной метрики в задачах с ограничениями
  • Практическая часть Решение с помощью Графоаналитического метода
  • Решение с помощью метода переменной метрики
  • Заключение
  • Список литературы

Методы квадратичной аппроксимации. Метод переменной метрики для задач условной оптимизации (реферат, курсовая, диплом, контрольная)

Метод переменной метрики реализован в пакете Waterloo Maple 8. При расчете параметра использовался метод дихотомии одномерной минимизации на отрезке с точностью. Для выполнения 18-и итераций, в результате чего получено решение с точностью понадобилось около 12-и секунд. На рис. 1 изображены линии уровня целевой функции (заливка светлеет в сторону возрастания функции), функция ограничения, а также графическая иллюстрация итерационного процесса.

Следует отметить, что сходимость метода сильно зависит от начальной матрицы аппроксимации и слабо зависит от начального условия. Метод вычисления квазиньютоновской матрицы обеспечивает ее положительную определенность на каждой итерации алгоритма.

При далеко отстоящих точках, как, например, на рис. 2 можно заметить, что алгоритм «стремится» занять множество точек, градиент целевой функции в которых наибольший, а уже потом выйти на точку решение задачи, при чем сказанное становится актуальнее при удалении начального приближения от оптимума (см. рис. 2). Такое поведение обусловлено методом решения: вблизи кривой ограничения влияние ограничения мало и метод развивается в сторону безусловного минимума, но с удалением процесса от ограничивающей функции сказывается наличие штрафной функции, метод быстро находит точку условного минимума.

Сказанное выше также можно заметить при смещении целевой функции по оси. Итерационный процесс на третьей итерации достигает наименьшего за историю процесса значения целевой функции, а затем возвращается в точку решения (см. рис. 3 и рис.4).

Интересной особенностью метода является его поведение в случае, когда начальное приближение расположено вблизи оптимума. Как видно из рис. 5 близость к решению слабо сказывается на сходимости: имеет место тот же скачок в сторону глобального минимума целевой функции со стремлением занять траекторию на градиенте.

В случае начального приближения внутри области в нижней полуплоскости наблюдается та же картина (см. рис. 6), но предварительно происходит выход из области ограничения.

Необходимо отметить также тот факт, что при размещении начального приближения в начале координат программа отказывается работать, так как не может решить систему уравнений, состоящую из производных функции Лагранжа задачи квадратичного программирования. Система оказывается несовместной, но даже при малом отклонении от начала координат в сторону увеличения переменной решение будет найдено за сравнительно малое число итераций (для начального значения решение было найдено за две итерации).

Эмпирическим путем установлен факт существования области начальных значений, для элементов которой метод находит точку. Эта область включает в себя отрицательный луч оси, а также некоторую область, содержащую этот луч. Причина данного явления заключается в том, что для этой области рано или поздно нарушается условие унимодальности для штрафной функции при поиске параметра (см. рис. 7). Для устранения этого недостатка нужно либо применить иную процедуру минимизации, подходящую для не унимодальных функций (по крайней мере, для ступенчатых, поскольку в исследованных случаях получается именно ступенчатая функция), либо же принять постоянно. При этом поведение процесса будет несколько беспорядочным, но верное решение все же будет найдено (рис. 8).Итак, в данном разделе были получены некоторые результаты по реализации и условиях работы метода переменной метрики, эмпирическим птем установлены и исследованы особенности работы метода. Метод эффективен для задач высокой размерности, поскольку при пересчете квазиньютоновской матрицы используется быстрый метод, сохраняющий ее положительную определенность. При реализации метода следует учитывать возможность неунимодальности промежуточной функции поиска, а также необходимость разрешимости задачи о седловой точке функции Лагранжа.

Показать весь текст

Список литературы

  1. Д. Химмельблау. Прикладное нелинейное программирование. М.:Мир, 1975.534с.
  2. Г., Рейвиндран А., Регсдел К. Оптимизация в технике. М.:1986 324с.
  3. Ю. П. Исследование операций: Учеб. Пособие для студентов вузов. Киев: Вища школа, 1979, 392с.
Заполнить форму текущей работой