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
|
Метод штрафных функций
Рассмотрим решение задачи условной оптимизации (2.52) при (2.53) метод штрафных функций заключается в безусловной минимизации обобщенной целевой функции (2.54) где , – коэффициенты штрафа; , – штрафные функции. В отличии от множителей Лагранжа коэффициенты штрафа задаются: . Обычно . Функции штрафа должны удовлетворять условию , При решении задач оптимизации широко используется квадратичные и модульные штрафы: . С помощью штрафной функции исходная задача (2.52), (2.23) условной минимизации преобразуется в последовательность задач безусловной минимизации функции (2.54). Эта задача решается численными методами, но условия оптимальности классического анализа могут быть использованы и здесь: . Решение этой системы даёт , . В общем случае невозможно аналитически определить положение минимума функции , рассматривая её как обычную функцию от от β. Для его определения необходимо обратится к численным методам. При решение задачи безусловной минимизации стремится к решению задачи нелинейного программирования: , . Наряду с этими многочисленными исследованиями доказано, что обязательным следствием неограниченного увеличения штрафного параметра β является плохая обусловленность подзадач безусловной минимизации, проявляющаяся в сильной деформации соответствующих поверхностей уровня. Поэтому для того, чтобы можно было применить настоящий метод на практике, необходимо построить вычислительный алгоритм, использующий теоретическое свойство сходимости последовательности оптимальных решений подзадач безусловной оптимизации к оптимальному решению , , задачи с ограничениями. Теоретически здесь не возникает трудностей. Необходимо выбрать начальное значение β = β(0), что бы сформировать функцию , которая минимизируется без ограничений численными методами. Найдя минимум функции , необходимо увеличить значение β. Это можно сделать просто, если найти , где константа с>1, однако выбор с произволен, удачным могут быть различные значения С в зависимости от свойств функции и ограничений . Затем необходимо минимизировать функцию , снова используя численный метод. Таким образом, будет заработана итерационная процедура. На каждом шаге минимизируется функция , минимум которой находится в точке . Важно, что её можно использовать в дальнейшем в качестве начальной точки в итерационной процедуре минимизации функции , где β(к+1) = с β(к) Теперь ясно, что последовательность β(к) возрастает и стремиться к бесконечности, следовательно, последовательность точек минимумов безусловной минимизации будет сходиться к решению исходной задачи с ограничениями . Выбор начального значения β(0) может оказаться важным с точки зрения сокращения числа итераций при минимизации функции . Если сначала β(0) выбрано очень малым, для того чтобы функция мало отличалась от функции ), то метод будет сходится очень быстро. Однако такой выбор может привести к серьёзным осложнениям при вычислениях. Для малых β функция будет быстро меняться в окрестности минимума, что может вызвать затруднения при использовании градиентных методов. Слишком же большое значение β может привести к тому, что штрафная функция в выражении (2.24) станет доминирующей. Поэтому разумный выбор начальной точки β(0) очень важен. Для многих задач разумным значением для начальной точки является значение β(0) =1. Для уменьшения влияния произвола в выборе коэффициента штрафа применяют метод последовательной безусловной минимизации (МПБМ) Мак-Кормика и Фиакко, состоящий обобщенной функции Iβ ﴾x,β﴿ с увеличивающимся штрафом: при этом оптимальное значение используют как начальную точку на -ом цикле минимизации. Обычно берут k = 4-2, β0 = 1 и заканчивают поиск, когда решение мало отличается от предыдущего решения на предыдущем цикле. Метод штрафных функций приводит задачу условной оптимизации той же размерности, что и исходная, в отличие от метода Лагранжа. Метод легко алгоритмизируется для ЭВМ, но требует опыта выбора коэффициентов штрафа и даёт отлично невысокую точность; находит наибольшие применение при численном решении задач на ЭВМ.
3 Поисковые методы одномерной оптимизации Date: 2015-05-23; view: 979; Нарушение авторских прав |