- •Элементы выпуклого анализа.
- •Начальные сведения о численных методах оптимизации.
- •4.Сходимость методов оптимизации.
- •5.Метод покоординатного спуска.
- •6.Метод случайного поиска. Алгоритм с возвратом при неудачном шаге.
- •7. Метод случайного поиска. Алгоритм наилучшей пробы.
- •8. Метод случайного поиска. Алгоритм статистического градиента.
- •9. Метод случайного поиска. Алгоритм покоординатного обучения.
- •10. Градиентный метод. Метод с постоянным шагом.
- •11. Градиентный метод. Метод с дроблением шага.
- •12. Градиентный метод. Метод наискорейшего спуска.
- •13. Метод Ньютона
- •14. Численные методы решения задач линейного программирования. Прямой симплекс-метод. Базис и базисное решение.
- •15. Численные методы решения задач линейного программирования. Прямой симплекс-метод. Элементарные преобразования. Симплекс-таблицы.
- •16. Численные методы решения задач линейного программирования. Прямой симплекс-метод. Алгоритм симплекс-метода.
- •17. Численные методы решения задач линейного программирования. Модифицированный симплекс-метод.
- •18. Численные методы решения задач линейного программирования. Лексикографический прямой симплекс-метод
- •19. Численные методы решения задач линейного программирования. Двойственный симплекс-метод.
- •20. Численные методы решения задач линейного программирования. Двойственный симплекс-метод.
- •22. Численные методы решения задач линейного программирования. Геометрическая интерпретация задач линейного программирования
- •23. Численные методы решения задач линейного программирования. Геометрическая интерпретация прямого симплекс-метода.
- •24. Численные методы условной оптимизации. Метод возможных направлений.
- •25. Численные методы условной оптимизации. Метод Келли и метод секущих плоскостей.
- •26. Численные методы условной оптимизации. Первый (циклический) алгоритм Гомори.
- •27. Численные методы условной оптимизации. Метод ветвей и границ
- •28. Численные методы условной оптимизации. Метод ветвей и границ для решения задач нелинейного программирования
- •29. Численные методы условной оптимизации. Метод внешних штрафов
- •30.Численные методы условной оптимизации. Метод внутренних штрафов или метод барьерных функций
- •31.Муравьиный алгоритм.
- •32.Генетические алгоритмы.
- •33.Задачи классического вариационного исчисления. Постановка задачи классического вариационного исчисления
- •Сильный и слабый экстремум в задачах классического вариационного исчисления.
- •Допустимые управления и управляемые процессы в задачах оптимального управления. Оптимальные процессы
- •Элементарный вывод необходимых условий экстремума для простейших задач классического вариационного исчисления
- •Задачи оптимального управления. Постановка задачи оптимального управления
- •Формулировка принципа максимума для линейной задачи быстродействия
- •Доказательство принципа максимума для линейной задачи быстродействия.
- •Достаточность принципа максимума
17. Численные методы решения задач линейного программирования. Модифицированный симплекс-метод.
В описанной реализации симплекс-метода на каждой итерации пересчитывается вся симплекс-таблица размера (m +1)* (n +1) . Однако так как она определяется выбором базиса, то при выполнении алгоритма нет необходимости в информации обо всей таблице. Если число столбцов в матрице ограничений значительно больше числа ее строк, то можно понизить трудоемкость симплекс-метода, храня и преобразуя матрицу размера (m +1) * (n +1) . В литературе этот алгоритм известен под названием модифицированного симплекс-метода или алгоритма с обратной матрицей.
Пусть B – произвольный базис канонической задачи, - расширенная матрица условий задачи, тогда симплекс таблица T , соответствующая базису B , имеет вид:
Легко проверить, что
где – матрица, обратная к расширенной базисной матрице
Пусть симплекс-таблица T¢ получена в результате элементарного преобразования симплекс-таблицы T по следующим формулам:
Введем обозначения Тогда , где
.
Итак, , где . Следовательно, достаточно пересчитывать на каждой итерации матрицу M размера (m +1) * (m +1) и хранить матрицу . Требуемые элементы симплекс таблицы вычисляются по формуле по мере необходимости на шагах 1-3 симплекс-метода.
18. Численные методы решения задач линейного программирования. Лексикографический прямой симплекс-метод
Существуют следующие числовые методы решения задач линейного программирования:1) прямой симплекс-метода 2) модифицированный симплекс-метод 3) лексикографический прямой симплекс-метод 4) двухфазовый симплекс-метод 5) двойственный симплекс-метод 6) лексикографический двойственный симплекс-метод
В вырожденных задачах при детерминированном правиле выбора ведущего элемента может наблюдаться зацикливание алгоритма симплекс-метода, Для того чтобы гарантировать конечность симплекс-метода в вырожденных задачах, необходимо исключить возможность подобного зацикливания.Таким свойством обладает правило Блэнда, состоит в выборе наименьшего s. Также зацикливание можно предотвратить при использовании лексикографической процедуры выбора ведущей строки.
19. Численные методы решения задач линейного программирования. Двойственный симплекс-метод.
Существуют следующие числовые методы решения задач линейного программирования:1) прямой симплекс-метода 2) модифицированный симплекс-метод 3) лексикографический прямой симплекс-метод 4) двухфазовый симплекс-метод 5) двойственный симплекс-метод 6) лексикографический двойственный симплекс-метод
Рассматривается общий метод решения задачи ЛП в канонической форме, позволяющий на первом шаге найти базисное допустимое решение или установить, что Q = 0, а на втором шаге найти оптимальный базис и соответствующее ему решение, либо установить неразрешимость задачи из-за неограниченности целевой функции. При этом не предполагается, что ранг матрицы A равен m. Без ограничения общности можно считать, что система ограничений равенств Ax = b записана таким образом, что b ≥ 0 . Этого можно добиться, умножая нужные строки на -1. Тогда метод искусственного базиса можно представить в виде следующих шагов.
Шаги 0)-7) описанного выше способа получения базисного допустимого решения обычно называют первым этапом симплекс-метода, а метод в целом двухэтапным симплекс-методом. Выполнение шага 6 свидетельствует о линейной зависимости уравнений
=xA b, что позволяет удалить часть уравнений. Подобная ситуация возника-
ет, когда ранг матрицы A меньше числа уравнений m . После выполнения шага 7 имеем прямо допустимую симплекс-таблицу исходной задачи, то есть завершен 0-ой шаг алгоритма пункта 1.3, и можно переходить к его шагам 1)-4). В результате либо установим, что целевая функция w(x) не ограничена снизу, либо получим оптимальное решение.