Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Методы оптимизации транспортной задачиМетоды оптимизации классифицируют в соответствии с задачами оптимизации: - Локальные методы: сходятся к какому-нибудь локальному экстремуму целевой функции. В случае унимодальной целевой функции, этот экстремум единственен, и будет глобальным максимумом/минимумом; - Глобальные методы: имеют дело с многоэкстремальными целевыми функциями. При глобальном поиске основной задачей является выявление тенденций глобального поведения целевой функции. Существующие в настоящее время методы поиска можно разбить на три большие группы: 1. детерминированные; 2. случайные (стохастические); 3. комбинированные. По критерию размерности допустимого множества, методы оптимизации делят на методы одномерной оптимизации и методы многомерной оптимизации. По виду целевой функции и допустимого множества, задачи оптимизации и методы их решения можно разделить на следующие классы: - Задачи оптимизации, в которых целевая функция и ограничения являются линейными функциями; эти задачи называются задачами линейного программирования и для решения их используются графический метод для двумерного случая и симплекс методом для общего случа. - В противном случае задачи называются задачами нелинейного программирования и используют для их решения соответствующие методы. В свою очередь из них выделяются две частные задачи: 1) если и — выпуклые функции, то такую задачу называют задачей выпуклого программирования; 2) если , то имеют дело с задачей целочисленного (дискретного) программирования. По требованиям к гладкости и наличию у целевой функции частных производных, их также можно разделить на: - прямые методы, требующие только вычислений целевой функции в точках приближений; - методы первого порядка: требуют вычисления первых частных производных функции; - методы второго порядка: требуют вычисления вторых частных производных, то есть гессиана целевой функции. Помимо того, оптимизационные методы делятся на следующие группы: - аналитические методы (например, метод множителей Лагранжа и условия Каруша-Куна-Таккера); - численные методы; - графические методы. В зависимости от природы множества X задачи математического программирования классифицируются как: - задачи дискретного программирования (или комбинаторной оптимизации) — если X конечно или четно; - задачи целочисленного программирования - если X является подмножеством множества целых чисел; - задачей нелинейного программирования, если ограничения или целевая функция содержат нелинейные функции и X является подмножеством конечномерного векторного пространства. Если же все ограничения и целевая функция содержат лишь линейные функции, то это - задача линейного программирования. Кроме того, разделами математического программирования являются параметрическое программирование, динамическое программирование и стохастическое программирование. Математическое программирование используется при решении оптимизационных задач исследования операций. [5]
Таблица 3.1 – Методы оптимизации
Способ нахождения экстремума полностью определяется классом задачи. Но перед тем, как получить математическую модель, нужно выполнить 4 этапа моделирования: 1. Определение границ системы оптимизации Отбрасываем те связи объекта оптимизации с внешним миром, которые не могут сильно повлиять на результат оптимизации, а, точнее, те, без которых решение упрощается 2. Выбор управляемых переменных; «Замораживаем» значения некоторых переменных (неуправляемые переменные), а другие оставляем принимать любые значения из области допустимых решений (управляемые переменные) 3. Определение ограничений на управляемые переменные (равенства и\или неравенства) 4. Выбор числового критерия оптимизации
|