- •Лекція 1 етапи розв‘язування задач на еом .Елементи теорії похибок
- •1.1 Точні і наближені числа. Джерела похибок. Класифікація похибок
- •1.2 Абсолютна і відносна похибки
- •1.3 Десятковий запис наближених чисел. Значуща цифра числа. Дійсна значуща цифра
- •1.4 Зв’язок між числом дійсних знаків і похибкою числа
- •1.6 Обчислювальний експеримент та його основні етапи. Поняття стійкості та коректності
- •2.3 Особливості методів Гауса
- •Лекція № 3 розв‘язування систем лінійних алгебраїчних рівнянь
- •2.1 Основні поняття та визначення
- •2.2 Класифікація методів розв’язання слар на еом
- •2.3.1 Метод Гауса з послідовним виключенням невідомих
- •2.3.2 Метод Гауса за схемою Халецького
- •2.3.3 Метод Гауса з вибором головного елемента
- •2.3.4 Метод Гауса з одиничними коефіцієнтами
- •2.3.5 Метод Гауса-Жордана
- •Лекція №3 наближені методи розв'язання слар на еом
- •3.1 Постановка задачі та класифікація методів
- •3.2 Загальний підхід до розв’язання слар наближеними методами
- •3.3 Умови збіжності ітераційного процесу
- •3.4 Метод послідовних наближень (метод Якобі)
- •3.5 Метод Гауса-Зейделя
- •3.6 Метод верхньої релаксації
- •Лекція № 4 чисельні методи роз’вязання нелінійних рівнянь та систем нелінійних рівнянь
- •4.1 Загальні поняття та визначення
- •4.2 Принципи розв’язання нелінійних рівнянь на еом
- •4.3 Чисельні методи уточнення коренів
- •4.3.1 Метод половинного ділення
- •4.3.2 Метод хорд
- •4.3.3 Метод Ньютона (метод дотичних)
- •4.3.4 Комбінований метод
- •4.3.5 Метод ітерацій (метод послідовних наближень)
- •4.4 Чисельні методи розв’язання систем нелінійних рівнянь
- •5.1 Способи завдання функцій
- •5.2 Математична постановка задачі інтерполювання
- •5.2.1 Інтерполяційний багаточлен Лагранжа
- •5.2.2 Перша інтерполяційна формула Ньютона для рівновіддалених вузлів інтерполяції
- •Лекція №6 Апроксимація табличних функцій
- •6.1 Апроксимація табличних функцій
- •6.1.1 Апроксимація табличних функцій степеневими поліномами
- •6.1.2 Апроксимація узагальненими поліномами
- •6.1.3 Апроксимація ортогональними поліномами
- •6.1.4 Апроксимація тригонометричними поліномами (гармонійний аналіз)
- •7.1 Основні поняття та визначення
- •7.2 Чисельні методи знаходження визначеного інтегралу
- •7.2.1 Метод прямокутників
- •7.2.2 Метод трапецій
- •7.2.3 Метод Сімпсона
- •8.1 Метод Ньютона-Котеса
- •8.2 Метод Чебишева
- •8.3 Метод Гауса
- •8.4 Загальний підхід до визначення інтегралів на еом
- •9.1. Основні визначення та поняття
- •9.2. Класифікація численних методів розв'язання задачі Коші
- •9.3 Одноточкові методи розв'язання задачі Коші на еом
- •9.1.1 Модифікації методу Ейлера
- •9.1.2 Метод Рунге–Кутта
- •9.4 Методи прогнозу і корекції (багатоточкові методи)
- •9.4.1 Метод Мілна
- •9.4.2 Метод Адамса - Башфорта
- •9.4.3 Метод Хемінга
- •10.1 Чисельні методи розв’язання крайових задач
- •10.1.1 Методи стрільби
- •10.1.2 Кінцево-різницеві методи
- •10.1.3 Метод прогонки
- •11.1 Різницеві методи розв'язування диференційних рівнянь у частинних похідних
- •11.2 Етапи чисельного розв'язування диференційних рівнянь (др) у частинних похідних на еом
- •11.3 Еліптичні рівняння
- •11.4 Гіперболічні рівняння
- •12.1 Параболічні рівняння
- •13.1 Метод загального пошуку
- •13.2 Метод половинного ділення (розділення відрізка навпіл)
- •13.3 Метод дихотомії
- •13.4 Метод “золотого перетину”
- •13.5 Метод Фібоначчі
- •13.6 Порівняння методів одновимірного пошуку
- •14.1 Основні поняття та визначення
- •14.2 Критерії оптимальності
- •14.3 Градієнтні методи
- •14.3.1 Найшвидший підйом з використанням одномірного пошуку
- •14.3.2 Метод найшвидшого спуску
- •14.3.3 Метод Флетчера – Рівса
- •14.3.4 Метод Девідона – Флетчера – Пауела
- •14.3.5 Метод конфігурацій Хука – Дживса
- •14.3.6 Метод конфігурацій Розенброка
13.5 Метод Фібоначчі
Припустимо, що потрібно визначити мінімум цільової функції як можна точніше, тобто з найменшим можливим інтервалом невизначеності, але при цьому можна виконати тільки обчислень функції. Як слід вибрати точок, в яких обчислюється функція? З першого погляду здається ясним, що не слід шукати рішення для всіх точок, які одержані в результаті експерименту. Навпаки, треба спробувати зробити так, щоб значення функції, отримані в попередніх експериментах, визначали положення наступних точок. Справді, знаючи значення функції, ми тим самим маємо інформацію про саму функцію і положення її мінімуму і використаємо цю інформацію в подальшому пошуку.
Припустимо,
що є інтервал невизначеності
і
відомо значення функції
всередині
цього інтервалу (див. рис. 13.15).
Рисунок 13.15 – Унімодальна цільова функція. Геометрична інтерпретація метода Фібоначчі
Якщо
можна обчислити функцію всього один
раз в точці
,
то де слід помістити точку
,
для того щоб отримати найменший можливий
інтервал невизначеності?
Припустимо
і
,
причому
,
як показано на рис. 13.15, і ці значення
будуть фіксовані, якщо відомі
і
.
Якщо
знаходиться
в інтервалі
,
то:
1. Якщо
,
то новим інтервалом невизначеності
буде
довжиною
.
2. Якщо
,
те новим інтервалом невизначеності
буде
довжиною
.
Оскільки
невідомо, яка з цих ситуацій буде мати
місце, виберемо
таким
чином, щоб зробити мінімальною найбільшу
з довжин
і
.
Досягнути цього можна, зробивши довжини
і
рівними,
тобто помістивши
всередині
інтервалу симетрично відносно точки
,
що вже лежить всередині інтервалу.
Будь-яке інше положення точки
може
призвести до того, що отриманий інтервал
буде більший
.
Помістивши
симетрично
відносно
,
ми нічим не ризикуємо в будь-якому
випадку.
Якщо
виявиться, що можна виконати ще одне
обчислення функції, то слід застосувати
описану процедуру до інтервалу
,
в якому вже є значення функції, обчислене
в точці
.
Отже, стратегія зрозуміла з самого
початку. Потрібно помістити наступну
точку всередині інтервалу невизначеності
симетрично відносно точки, яка вже
знаходиться там. Парадоксально, але,
щоб зрозуміти, як потрібно починати
обчислення, необхідно розібратися в
тому, як його потрібно закінчувати.
На n- ому
обчисленні n-у точку потрібно помістити
симетрично по відношенню до (
-1)-ї
точки. Положення цієї останньої точки
в принципі залежить від нас. Для того
щоб отримати найбільше зменшення
інтервалу на даному етапі, слід поділити
навпіл попередній інтервал. Тоді точка
буде
співпадати з точкою
.
Однак при цьому ми не одержуємо жодної
нової інформації. Звичайно точки
і
знаходяться
одна від одної на достатній відстані,
щоб визначити, в якій половині, лівій
чи правій, знаходиться інтервал
невизначеності. Вони розміщуються на
відстані
по
обидві сторони від середини відрізка
;
можна самостійно задати величину
або
вибрати цю величину рівній мінімально
можливій відстані між двома точками.
(Припустимо, що в нашому прикладі інженер
може регулювати температуру з інтервалом
в 1С°, тому
.)
Інтервал
невизначеності буде мати довжину
,
отже,
(рис.
13.16, нижня частина).
Рисунок 13.16 – Геометрична інтерпретація ітераційного процесу Фібоначчі
На
попередньому етапі точки
і
повинні
бути поміщені симетрично всередині
інтервалу з
на
відстані
від
кінців цього інтервалу. Отже,
(рис.
13.16, середня частина).
Зауваження. З рисунку зрозуміло, що на передостанньому етапі залишається в якості внутрішньої точки.
Аналогічно
.
(рис. 13.16, верхня частина)
В загальному випадку
при
1<j<="" p=""> </j
Таким чином,
, (13.2)
,
,
і
т.д.
Якщо визначити послідовність чисел Фібоначчі наступним чином:
та
для
тоді
,
(13.3)
Якщо
початковий інтервал
має
довжину
,
то
.
Тобто
.
(13.4)
Отже,
зробивши n обчислень функції, ми зменшимо
початковий інтервал
невизначеності в
раз
у порівнянні з його початковою довжиною
(нехтуючи
),
і це буде найкращий результат.
Якщо ми
вже почали пошук, то його нескладно
продовжити, використовуючи описане
вище правило симетрії. Отже, необхідно
знайти положення першої точки, що
розміщується на відстані
від
одного з кінців початкового інтервалу,
причому не важливо, від якого кінця,
оскільки друга точка розміщується
згідно правила симетрії на відстані
від
другого кінця інтервалу:
.
(13.5)
Після
того як знайдене положення першої точки,
числа Фібоначчі більше не потрібні.
Використане значення
може
бути визначене з практичних міркувань.
Воно повинне бути менше
,
в протилежному випадку ми будемо марно
витрачати час на обчислення функції.
Таким
чином, пошук методом Фібоначчі, названий
так через появу при пошуку чисел
Фібоначчі, є ітераційною процедурою. В
процесі пошуку інтервалу
з
точкою
,
що вже лежить в цьому інтервалі, наступна
точка
завжди
вибирається такою, що
або
,
тобто
.
(13.6)
Якщо
та
,
тоді можна розглянути чотири випадки
(рис. 13.17).
Рисунок 13.17 – Геометрична інтерпретація алгоритму визначення цільової функції на і-му кроці ітерації
Приклад
1. Використати
метод Фібоначчі для пошуку мінімуму
функції
в
інтервалі (0,1) при 10-кратному обчисленні
функції.
Розв‘язок. Остаточний інтервал невизначеності має довжину
З
точністю до шостого знаку після коми
мінімум досягається в точці
,
і в цій точці
.
