- •Н.Г. Лядина, е.А. Ермакова, л.В. Уразбахтина
- •Математические методы в экономике апк
- •Нелинейное и выпуклое программирование
- •Учебное пособие
- •Содержание
- •Введение
- •Нелинейное программирование Постановка и особенности задач нелинейного программирования
- •4. Точки, соответствующие оптимальному решению, могут находиться как на границе, так и внутри области допустимых решений.
- •5. Целевая функция может иметь несколько локальных экстремумов, из которых затем находят точку глобального оптимума.
- •2. Область допустимых решений может иметь несколько оптимальных решений, находящихся в отличие от линейного программирования не на отрезке. Пример на рисунке 1.
- •3. Область допустимых решений может состоять из нескольких частей.
- •Контрольные вопросы
- •Экстремум функции1
- •Нахождение безусловных экстремумов непрерывных дифференцируемых функций
- •Контрольные вопросы
- •Индивидуальные задания 1
- •Нахождение условных экстремумов. Метод множителей Лагранжа5
- •Б) Алгоритм метода множителей Лагранжа
- •Контрольные вопросы
- •Выпуклое программирование
- •Свойства выпуклых и гладких функций
- •Классификация задач выпуклого программирования
- •Экономические показатели производства культур
- •Формы записи задачи выпуклого программирования
- •Градиент и производная по направлению
- •Алгоритм решения специальной задачи выпуклого программирования. Метод Франка-Вульфа 10
- •Индивидуальные задания 3
- •Методы поиска – методы решения задач выпуклого программирования Метод последовательного изменения аргументов (координат)
- •Индивидуальные задания 4
- •Индивидуальные задания 5
- •Градиентные методы Метод наискорейшего подъема (для самостоятельного изучения)
- •Метод наискорейшего спуска
- •Различные алгоритмы градиентного метода (для самостоятельного изучения)
- •Индивидуальные задания 6
- •Индивидуальные задания 7
- •Алгоритм нелокального случайного поиска на минимум целевой функции
- •Индивидуальные задания 8
- •Особенности метода локального случайного поиска
- •Индивидуальные задания 9
- •Метод штрафных функций
- •Индивидуальные задания 10
- •Квадратичное программирование (кп) Графический метод
- •Контрольные вопросы
- •Индивидуальные задания 11
- •Квадратичный симплекс-метод
- •Индивидуальные задания 12
- •Контрольные вопросы и задания
- •Тестовые задания Тесты - выпуклое программирование
- •Тесты - квадратичное программирование
- •Рекомендуемая литература
- •Словарь терминов
- •Приложение
- •Индивидуальные задания 1 - 30
- •127550, Москва, ул. Тимирязевская, 44
Нахождение безусловных экстремумов непрерывных дифференцируемых функций
Среди задач оптимизации выделяют задачи
на безусловный экстремум. Общая постановка
таких задач такова: найти значение
,
при котором достигается наибольшее или
наименьшее значение непрерывно
дифференцируемой функции: Z=
f (X) =
Пусть дана дважды непрерывно
дифференцируемая функция
= =f(x1,
x2, …, xn).
Необходимым условием экстремума функции
является решение системы уравнений,
состоящих из частных производных первого
порядка:
Точки Х(x1, x2, …, xn), координаты которых удовлетворяют системе (1), называются стационарными точками функции . То есть стационарными точками называются точки, в которых все первые частные производные равны нулю.
В стационарной точке может быть: а) локальный минимум; б) локальный максимум; в) точка типа «седловой точки»2 или «точки перегиба».
Найдем матрицу, составленную
из производных второго порядка. При
краткой записи матрицы,
составленной из производных второго
порядка, -
следует помнить, что индекс i
изменяется по строкам, а индекс j
– по столбцам.
Вычислим найденные вторые производные в стационарной точке Х и составим матрицу (матрицу Гессе3). Для того чтобы функция имела в стационарной точке локальный минимум (максимум), необходимо и достаточно, чтобы матрица Гессе в этой точке была положительно (отрицательно) определена.
Для определения положительной (отрицательной) определенности матрицы можно использовать критерий Сильвестра4:
если все главные диагональные миноры этой матрицы положительны, то матрица положительно определена:
если миноры нечетных степеней отрицательны, а миноры четных степеней положительны, то матрица отрицательно определена:
Если функция имеет несколько стационарных точек, то, определив тип этих точек (максимум или минимум) и подсчитав значение целевой функции Z = f в стационарных точках, можно выбрать среди них абсолютный минимум или максимум. В сложных случаях необходимо привлекать дополнительные сведения о функции. В данном пособии такие случаи не рассматриваются.
Пример 8. Фирма производит два вида товара. Обозначим через х1- количество товара первого вида, х2 – количество товара второго вида. Цена единицы товара первого вида равняется 8 ден. ед. (р1 = 8), а второго вида – 10 ден. ед. (р2 = 10). Функция затрат на производство и реализацию имеет вид:
Найти объемы производства товаров, при которых прибыль от реализации была бы максимальной.
Решение. Составим функцию прибыли, исходя из имеющихся данных:
Z(X) =
max,
то есть прибыль определяется как разница
между выручкой от реализации продукции
(8х1+10х2) и затратами на ее
производство и реализацию (
).
Максимум прибыли будем искать как
условие локального экстремума функции
Составим систему уравнений для определения стационарных точек:
Решением этой системы является точка Х(2,4), т.е. х1 = 2; х2 = 4.
Найдем матрицу .
,
т.е.
Вторые производные не зависят от переменных.
У матрицы минор первой степени (нечетной степени) отрицательный, а второй (четной) положительный.
Согласно критерию Сильвестра, матрица
является отрицательно определенной.
Следовательно, в точке Х(2,4) достигается
максимум. Значение целевой функции в
точке равно:
Z(X)=
Таким образом, при заданных ценах и затратах на производство и реализацию продукции необходимо производить 2 ед. товара первого вида и 4 ед. – второго вида, чтобы получить максимум прибыли 28 ден. ед.
Пример 9. Требуется найти экстремум функции:
Z(X) =
Решение.
Составим систему уравнений для определения стационарных точек:
Решив эту систему, определяем координаты единственной стационарной точки Х(3,5; -5,5).
Далее надо найти матрицу и подставить вместо х1 и х2 координаты стационарной точки (3,5; -5,5). В рассматриваемом примере вторые производные не зависят от переменных (координат):
Все главные диагональные миноры матрицы положительны. Согласно критерию Сильвестра, матрица является положительно определенной. Следовательно, в точке Х(3,5; -5,5) достигается минимум. Значение целевой функции в точке равно:
Z(X) =
