- •Элементы выпуклого анализа.
- •Основная задача выпуклого программирования. Седловая точка и оптимальный план.
- •Теорема Куна-Таккера.
- •Критерий оптимальности для гладкой выпуклой задачи .
- •Теория двойственности в выпуклом программировании.
- •Решение одной задачи выпуклого программирования.
- •О существовании решения линейной задачи.
- •Задача на безусловный минимум.
- •3.2.1 Метод исключения
- •10. Задача с равенствами. Обобщенное правило Лагранжа.
- •Задача с равенствами. Метод исключения.
- •Задача с равенствами. Классическое правило множителей Лагранжа
- •Задача с равенствами. Лемма о включении
- •Задача с равенствами. Необходимое условие оптимальности первого порядка
- •Задача с равенствами. Другое доказательство принципа Лагранжа
- •Задача с равенствами. Случай линейных ограничений
- •Задача с равенствами. Условия оптимальности второго порядка
- •Задача с неравенствами. Необходимое условие оптимальности первого порядка
- •Задача снеравенствами. Обобщённое правило множителей Лагранжа
- •Задача с неравенствами. Классическое правило множителей Лагранжа
- •Задача с неравенствами. Условие оптимальности второго порядка
- •Векторная оптимизация. Эффективные планы. Усреднение целевых функций.
- •Принципы выбора
- •1. Введение весовых коэффициентов
- •2. Введение иерархии целевых функций
- •3. Установление гарантированных уровней
- •4. Минимизация расстояния до идеальной точки
Задача с равенствами. Метод исключения.
(1)
Будем предполагать,
что функции
и
имеют нужную гладкость.
3.2.1 Метод исключения
В некоторых случаях из системы ограничений задачи (1)
(2)
удается выразить
(исключить) некоторые
переменных через остальные
.
Не ограничивая общности, будем считать,
что первые
переменных выражены через последние
(переменные можно просто перенумеровать),
то есть система (2) эквивалентна системе
,
(3)
где
– некоторые
функции,
.
Система (3) называется уравнениями связи. Исключая с помощью (3), первые переменные из функции , приходим к задаче
,
(4)
где
.
Задачи (1) и (4)
эквивалентны в том смысле, что если
–
оптимальный план задачи (1), то его
последние компоненты
– оптимальный план задачи (4), обратно,
если
– оптимальный план задачи (4), то вектор
– оптимальный план задачи (1).
Задача (4) – задача на безусловный минимум.Метод исключения, описанный выше, значительно упрощает задачу. Его применяют и в тех случаях, когда лишь из части уравнений системы (2) можно выделить некоторые переменные через остальные. Тогда, исключая эти переменные из целевой функции и остальных ограничений (в которых не удается выразить переменные), мы снова приходим к задаче (1), эквивалентной исходной, но с меньшим числом переменных и с меньшим числом ограничений равенств (на количество исключенных переменных). В дальнейшем будем предполагать, что (1) не поддается упрощению.
10. Задача с равенствами. Обобщенное правило Лагранжа.
(1)
Будем предполагать, что функции и имеют нужную гладкость.
Функции Лагранжа. Теорема о неявных функциях
По параметрам задачи (1) составим две функции Лагранжа:
обобщенную
и
классическую
называют множитель
Лагранжа
функции.
Для получения условия оптимальности
будем использовать теорему о неявных
функциях (
).
Теорема (о неявных
функциях).
Пусть задана
– мерная функция
,
причем она определена и непрерывно
дифференцируема в окрестности точки
.
Пусть при этом выполняются условия:
1)
2)
линейно независимы в
.
Тогда найдутся такие число и функция
,
что
а)
;
б)
;
в)
.
Обобщённое правило множителей Лагранжа
Пусть дана задача:
(1)
Теорема 1
(Обобщённое
правило множителей Лагранжа).
Если
– локально-оптимальный план задачи
(1), то необходимо найдётся такой обобщённый
вектор Лагранжа
,
что
(5)
Доказательство. Распишем условие (5), получаем:
(5*)
Тогда требование теоремы означает на самом деле, что если – локально-оптимальный план, то вектора
(6)
являются линейно зависимыми.
Предположим
противное. Требование теоремы не
выполняются, несмотря на то, что
– локально-оптимальный план, то есть
вектора (6) линейно независимые. Рассмотрим
тогда вектор-функцию
переменных
и
в окрестности точки
,
.
Ясно, что если подставить эту точку в
вектор-функцию, то она примет нулевое
значение. В силу линейной независимости
векторов (6) в окрестности этой точки
выполняются все условия о неявных
функциях. Согласно теореме найдутся
такие числа
и функция
,
что будут выполняться условия:
1.
2.
Тогда условие
означает, что
является планами задачи. Поскольку
,
то при достаточно малых
эти планы лежат в сколь угодно малой
окрестности плана
.
Тогда из тождества
или
при малых отрицательных
получаем
.
Это неравенство означает, что в сколь угодно малой окрестности плана найдутся планы лучшие, чем . Это противоречит локальной оптимизации .
Ч.т.д.
