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 наискорейшего спускаНазвание метода можно было бы понимать буквально, если бы речь шла о минимизации функции цели. Тем не менее по традиции такое название используется и при решении задачи на максимум. Метод в основном применяется для нахождения глобального экстремума в условиях отсутствия ограничений. Идея данного метода основана на том, что градиент функции указывает направление ее наиболее быстрого возрастания в окрестности той точки, в которой он вычислен. Поэтому, если из некоторой текущей точки перемещаться в направлении вектора , то функция f будет возрастать, по крайней мере, в некоторой окрестности . Следовательно, можно записать такую рекуррентную формулу , (29) где - шаг итерации. Его выбор представляет самостоятельную задачу. Но достаточно часто его назначают в пределах и затем уточняют. Метод реализуется по следующей схеме: 1) задают первоначальную точку отсчета (для успешного решения задачи начальная точка должна быть максимально приближена к предполагае- мому экстремуму); 2) находят частные производные функционала (значения частных производных в начальной точке); 3) находят значение функции в начальной точке; 4) по параметрам начальной точки вычисляют градиент функции; 5) по формуле (29) находят параметры новой точки; 6) если удовлетворяются условия уравнения , то процесс прекращают, в противном случае возвращаются к пункту 2. З а д а ч а 28. Найти максимальное значение функции при точности вычислений . Р е ш е н и е. Найдем градиент функции: ; Возьмем в качестве первого приближения , т.е. . Тогда значение функции , а вектор-строка градиента функции равен . Выберем шаг итерации и рассчитаем параметры следующей точки: , . Вычислим значение функции цели в новой точке и определим степень приближения: . Так как заданная точность не достигнута, продолжим итерационный процесс. Градиент функции в новой точке будет определяться вектор-строкой . Рассчитаем параметры следующей точки: , . Значение функции цели в исследуемой точке и степень приближения равны: , . Продолжим вычисления. В точке градиент функции будет иметь следующий вектор-строку: . Рассчитываем параметры третьей точки итерации: , . Функция цели в третьей точке примет значение . Соответственно полученная точность: . Тогда в пределах заданной точности ответ следующий: , . Если точность недостаточна, процесс итерации следует продолжить. Теоретическое решение данной задачи: , . В градиентных методах успех решения и достигаемая точность существенно зависит от двух основных факторов: - параметров начальной точки движения (она должна быть максимально приближена к предполагаемому экстремуму); - величины множителя λ. Если нарушается требование по начальной точке движения, то в этом случае метод может увести процесс итерации от ожидаемого экстремума и задача вообще не будет решена. Если же наблюдается несоответствие по второму требованию, т.е. λ будет слишком велико, то задача также может не иметь решения, так как зона нахождения экстремума «не замечается». Однако стремление иметь λ как можно меньше существенно увеличивает объем расчетного процесса.
|