- •2.1. Метод пассивного поиска
- •2.1.1. Пример поиска локального минимума функции методом пассивного поиска
- •2.1.2. Оценка погрешности метода пассивного поиска
- •2.1.3. Программная реализация метода на алгоритмическом языке
- •2.2. Метод деления отрезка пополам
- •2.2.1. Пример поиска локального минимума методом деления отрезка пополам
- •2.3. Метод золотого сечения
- •2.3.1. Пример поиска локального минимума методом золотого сечения
- •2.4. Метод Фибоначчи
- •2.4.2. Оценка погрешности метода Фибоначчи
- •2.5. Метод парабол
- •2.3.2. Оценка погрешности метода золотого сечения
2.3. Метод золотого сечения
Отличие метода золотого сечения от метода деления отрезка пополам заключается в специальном разбиении отрезка локализации относительно его центра точками.
Термин «золотое сечение» ввел Леонардо да Винчи. Принципы, заложенные в основу этого сечения, широко использовались при композиционном построении многих произведений искусства античности и эпохи Возрождения: особенно в живописи и архитектуре.
Определение
2.1. Золотым сечением
отрезка
называется такое разбиение отрезка на
две неравные части точками
и
,
что отношение длины всего отрезка
к длине его большей части
равно отношению длины большей части к
длине
меньшей части:
.
При этом (рис.2.5) точки
и
располагаются симметрично относительно
центра отрезка
и могут быть определены с помощью
следующих соотношений:
.
Замечательно
также, что точки
и
осуществляют золотое сечение не только
всего отрезка
,
но и соответственно подотрезков
и
.
Рис.2.5. Выбор точек разбиения отрезка в методе золотого сечения
Итерационный
процесс локализации минимума функции
на заданном числовом отрезке в данном
методе ведется аналогично локализации
минимума функции в методе деления
отрезка пополам. В отличие от него точки
и
на очередном шаге итерации находятся
по формулам:
.
Свойства золотого
сечения позволяют также несколько
упростить процедуру поиска точки
локализации
на очередном шаге вычислений. Действительно,
какой бы из отрезков
или
не был бы выбран за очередной отрезок
локализации, точка
(
,
если
и
,
если
)
совпадет с одной из точек
или
(рис 2.6). Поэтому на очередном шаге
достаточно вычислить значение функции
лишь в одной недостающей точке.
Рис.2.6. Графическая интерпретация метода золотого сечения
2.3.1. Пример поиска локального минимума методом золотого сечения
Применяя метод золотого сечения, определить с точностью точку локального минимума функции на отрезке локализации .
Так как данный
метод отличается от метода деления
отрезка пополам только способом выбора
точек сужения отрезка локализации, то
и алгоритм поиска решения, и программу
реализации данного метода легко получить,
сделав незначительные изменения в схеме
2.1 и программе, рассмотренных в п. 2.2. Для
этого: в блоке 2 (сх.2.2) достаточно не
вычислять величину
;
вместо вычислений
и
установить соответственно
;
добавить вычисление величины
.
Тогда, установив имеем:
Первая итерация:
вычислим ,
,
и определим значения
;сравним и . Так как , то установим в качестве нового отрезка локализации отрезок ;
и так как условия и не выполняются , то произведем очередную итерацию.
Итерационный процесс будем продолжать до тех пор, пока для установленного вновь отрезка локализации данные условия не будут выполнены. Результаты итераций сведем в таблицу 2.2.
Таблица 2.2
№ шага k |
|
|
|
|
|
|
|
0 |
-4.000000 |
-3.000000 |
-3.600000 |
-3.400000 |
-6.457766 |
-5.939899 |
1.000000 |
1 |
-4.000000 |
-3.400000 |
-3.760000 |
-3.640000 |
-6.448950 |
-6.496707 |
0.600000 |
2 |
-3.760000 |
-3.400000 |
-3.616000 |
-3.544000 |
-6.476333 |
-6.363350 |
0.360000 |
3 |
-3.760000 |
-3.544000 |
-3.673600 |
-3.630400 |
-6.509402 |
-6.489656 |
0.216000 |
4 |
-3.760000 |
-3.630400 |
-3.708160 |
-3.682240 |
-6.502006 |
-6.509551 |
0.129600 |
5 |
-3.708160 |
-3.630400 |
-3.677056 |
-3.661504 |
-6.509618 |
-6.507023 |
0.077760 |
6 |
-3.708160 |
-3.661504 |
-3.689497 |
-3.680166 |
-6.508658 |
-6.509634 |
0.046656 |
7 |
-3.689497 |
-3.661504 |
-3.678300 |
-3.672701 |
-6.509645 |
-6.509312 |
0.027994 |
8 |
-3.689497 |
-3.672701 |
-3.682779 |
-3.679420 |
-6.509517 |
-6.509646 |
0.016796 |
9 |
-3.682779 |
-3.672701 |
-3.678748 |
-3.676732 |
-6.509648 |
-6.509607 |
0.010078 |
10 |
-3.682779 |
-3.676732 |
-3.680360 |
-3.679151 |
-6.509630 |
-6.509648 |
0.006047 |
11 |
-3.680360 |
-3.676732 |
-3.678909 |
-3.678183 |
-6.509648 |
-6.509644 |
0.003628 |
12 |
-3.680360 |
-3.678183 |
-3.679489 |
-3.679054 |
-6.509645 |
-6.509648 |
0.002177 |
13 |
-3.679489 |
-3.678183 |
-3.678967 |
-3.678706 |
-6.509648 |
-6.509648 |
0.001306 |
14 |
-3.679489 |
-3.678706 |
-3.679176 |
-3.679019 |
-6.509648 |
-6.509648 |
0.000784 |
Из таблицы видно, что искомый результат на 14-ом шаге вычислений. При этом: .
