Optymalizacja funkcji



Podobne dokumenty
WYKŁAD nr Ekstrema funkcji jednej zmiennej o ciągłych pochodnych. xˆ ( ) 0

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Elementy Modelowania Matematycznego







Programowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a

Programowanie matematyczne
























Modelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale

7. Wykład VII: Warunki Kuhna-Tuckera

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Prawdopodobieństwo i statystyka r.

Diagonalizacja macierzy kwadratowej

Technika optymalizacji

Macierze hamiltonianu kp

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki

min h = x x Algorytmy optymalizacji lokalnej Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji x x

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Zaawansowane metody numeryczne

Metoda Karusha-Kuhna-Tuckera

Systemy Just-in-time. Sterowanie produkcją

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Przykład obliczeniowy.

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

FUNKCJA LINIOWA. A) B) C) D) Wskaż, dla którego funkcja liniowa określona wzorem jest stała. A) B) C) D)


WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH

= 10 m/s i zatrzymał się o l = 20 m od miejsca uderzenia. Współczynnik tarcia krążka o lód wynosi a. 0,25 b. 0,3 c. 0,35 d. 0,4

ALGORYTMY OPTYMALIZACJI wyklad 3.nb 1. Wykład 3. Sformułujemy teraz warunki konieczne dla istnienia rozwiązań zagadnienia optymalizacyjnego:


1 Postulaty mechaniki kwantowej

1.2. Rozwiązywanie zadań programowania liniowego metodą geometryczną

7. OBIEG TERMODYNAMICZNY

Teoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji.

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe


ANALIZA SZEREGÓW CZASOWYCH

Maciej Grzesiak. Optymalizacja


Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

Temat 6. ( ) ( ) ( ) k. Szeregi Fouriera. Własności szeregów Fouriera. θ możemy traktować jako funkcje ω, których dziedziną jest dyskretny zbiór



UNIWESRYTET EKONOMICZNY WE WROCŁAWIU HOSSA ProCAPITAL WYCENA OPCJI. Sebastian Gajęcki WYDZIAŁ NAUK EKONOMICZNYCH

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]



Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE


Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Układy równań i nierówności liniowych

Przybliżenie elektronów prawie swobodnych; metoda pseudopotencjału


φ(x 1,..., x n ) = a i x 2 i +


dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice





4. Zjawisko przepływu ciepła

METODY ANALIZY OBWODÓW LINIOWYCH


Metody optymalizacji. notatki dla studentów matematyki semestr zimowy 2015/2016

Sterowanie optymalne

PROGRAMOWANIE NIELINIOWE

Metody optymalizacji nieliniowej (metody programowania nieliniowego) Ewa Niewiadomska-Szynkiewicz Instytut Automatyki i Informatyki Stosowanej



Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Programowanie liniowe


Transkrypt:

MARCIN BRAŚ Opymalzacja funcj ) Opymalzacja w obszarze neoranczonym WK: y. y WW: > > y y Znaleźć mnmum funcj: (, y) ( ) y ( ) y y ( ) y solve, P(, ) y y solve, y ( ) y ( ) y y y ( ) y W W W > (, y) > Op. W punce P(, ) sneje mnmum lobalne (, ) ) Opymalzacja w obszarze oranczonym a) warune równoścowy (, y) ( ) y przy oranczenu: h: y (, y ) ( ) ( ) ( ) ( ) solve, y solve, y,

MARCIN BRAŚ b) warune nerównoścowy (, y) ( ) y przy oranczenu: : > zamenam na ( y) ( ) y y y y y y (, ) SORMUŁOWANIE ZADANIA OPTYMALIZACYJNEGO W OBSZARZE OGRANICZONYM RÓWNOŚCIAMI I NIERÓWNOŚCIAMI mn() () - funcja celu (),,..., m nerównoścowe warun oranczające h j () j,,..., p równoścowe warun oranczające Klasyfacja meo:.... Opymalzacja w obszarze noranczonym - mnmum funcj bez oranczeń Opymalzacja w obszarze oranczonym lub h j lub h j Zaane proramowana lnoweo:,, h j - funcje lnowe Zaane proramowana waraoweo: - funcja waraowa,, h j - funcje lnowe A. a) Meoy prowazące o ułau równań alebracznych b) Meoy przeszuwana obszaru - meoy raenowe (echera-powell'a, raenów sprężonych) - meoy bezraenowe METODA SZUKANIA MINIMUM PO KIERUNKU ~ ~ - erune - łuość rou ~ Przyła:? ~ (, y) ( ) y (, y) ( ) y y ( ) y y y

MARCIN BRAŚ ( ) ( y y) (, ) y - erune - pun sarowy ( ) ( ) solve, y y METODA MNOŻNIKÓW LAGRANGEA () mn h j () j,,...p, () n j j h j s h s,,..., n s,,..., p Przyła (, y) ( ) y Przy oranczenu h: y ( ) y ( y ) ( ) y ( y ) y ( ) y ( y ) y ( ) y ( y ) y Gven y y n(, y, )

MARCIN BRAŚ METODA KIERUNKÓW DOPUSZCZALNYCH mn() n R (),,..., n (meoa polea na przeszsuwanu obszaru ro za roem). Oreślene obszaru opuszczalneo Ω Ω Ω Ω... Ω m n { : R } Ω ;. Poszuwane punu opymalneo q q q q q - pun sarowy q - erune q -łuość rou. Warun jae mus spełnać erune q a) warune opuszczalnośc - erune ne wychoz poza oranczena > < - problem ścśle wypuły ~ Kerun opuszczalne < - problem wypuły b) warune użyecznośc (polepszene funcj celu) < Kerun użyeczne Ja obrać erune opuszczalny użyeczny - pun leży wewnąrz obszaru opuszczalneo zasaa najmnejszeo spau: - pun leży na brzeu obszaru opuszczalneo w w

MARCIN BRAŚ Przyła: (, y) y Pun sarowy: (, ) po warunam: (, y) y (, y) y (, ) (, ) (, ) (, ) 9 Pun znajuje sę wewnąrz obszaru opuszczalneo Zasaa najmnejszeo spau: (, y) y (, y) y Nasępny pun: ( ) ( y y) ( ) ( ) ( ) ( ) 8 solve, 8 lub sorzysać z wzoru: * * * ( ) ( ) la ( ) ( y y) ( ) ( ) ( ) ( ) solve,.97.

MARCIN BRAŚ ujemną warość orzucamy, yż oznacza cofnęce sę la ( y y) ( ) ( ) ( ) ( ) ( ) solve, 7 7 9 9 7 7 9. 9.8 ujemną warość orzucamy, yż oznacza cofnęce sę 7 9 mn(, ) mn, mn(, ) mn,.79.89

MARCIN BRAŚ 7 Sprawzamy warun: ( ) brze.8.8 w jenym warunu jeseśmy na brzeu, PROGRAMOWANIE LINIOWE w,,..., m w (, y) y y y y (, y) y y meoa smple y y (-,) (,) (-,-) (,-)

MARCIN BRAŚ 8 w w ( ) solve, w.7 w ( ) solve, w.7 w ( ) solve, w.7 w ( ) solve, w.7 Ze wszysch orzymanych wynów wyberamy "w" masymalne w.7 * * * ( ) ( ) ( ).9.7.7

MARCIN BRAŚ 9 mn, mn,..9 Warość la są enyczne ja la solve, y y la * * *...88.88.88.88 Sprawzamy warun:

MARCIN BRAŚ Spełnono warun Kuhna Tucera II.. II A. Jeżel j < o opowene oranczene j jes neaywne. Należy z macerzy A wyreślć raeny j, la óreo j < a aby pozosały ylo j >. szuamy a b. a AA A b { } { } A... Proceura meoy: Zbór ych oranczeń, na órych w anym momence znalazł sę pun. METODA PROJEKCJI GRADIENTÓW la oranczeń neaywnych, () *) ( *) ( *) *, ( *) *, ( * y X WARUNKI KUHNA - TUCKERA Warośc są jenaowe: Warun Kuhna-Tucera syuacja wóch oranczeń.....77.77.....77.77,..., m,.

MARCIN BRAŚ II II po wyreślenu pozosaje T aby można było wyonać operację powyżej ołaamy wersz w mejscu II A Wyreślamy n,, Gven b b a T a A z y 7 y Zamenamy na warun mnejszoścowe z y 7 y warun: y z Przyła

MARCIN BRAŚ METODA GRADIENTÓW SPRĘŻONYCH () mn A b A b h - łuość rou h - erune f ( ) A b ( ) A( h ) b A b Ah Ah Założene: Kerune h ( ) wzajemne oroonalne h h A h - oroonalność - sprzężene poprzez macerz A Przyła (, ) A b h h * * h A * h Ah ( ) 7 ( ) 7 7 7

MARCIN BRAŚ lub: h 7 7 7 7 7 7 7 7 7 γ Ah h Ah 7 7 γ γ 89 ( ) h γ h 7 h h 89 7 89 89 A h 7 7 7 7 7 89 7 7 89 Ah 7 7 89 7 89 lub h 7 7 89 7 89