Sprawozdanie z laboratorium technik optymalizacji
Optymalizacja nieliniowa bez ograniczeń
Celem ćwiczenia jest minimalizacja następujących funkcji:
a)
2
1
2
2
2
1
2
1
2
1
5
.
0
)
,
(
x
x
x
x
x
x
x
x
f
Najpierw obliczamy pochodne cząstkowe naszej funkcji:
1
2
2
1
1
x
x
x
f
1
2
1
2
x
x
x
f
2
2
1
2
x
f
1
2
2
2
x
f
1
2
1
2
x
x
f
1
1
2
2
x
x
f
Hesjan ma postać:
1
1
1
2
H
ze względu na to, iż
1
2
2
2
x
f
czyli <0 to nasza funkcja nie jest funkcją
wypukłą, może mieć kilka minimów.
Natomiast skoro det H <0 to funkcja ta nie posiada minimów lokalnych.
Posługując się programem komputerowym gen2 dobieramy obszar przeszukiwań:
)
10
,
10
(
)
10
,
10
(
2
1
x
x
Znaleziony optymalny punkt wynosi (-4,513284 , 10)
Leży on na granicy kostki więc rozszerzamy obszar przeszukiwań w kierunku x2:
)
15
,
10
(
)
10
,
10
(
2
1
x
x
Kolejny znaleziony punkt optymalny wynosi: (-7,003414 , 15)
Znów znajduje się on na granicy kostki, więc po raz kolejny rozszerzamy obszar
przeszukiwań:
)
20
,
10
(
)
10
,
10
(
2
1
x
x
i po raz kolejny otrzymujemy punkt optymalny : (-9,51004 ; 20 ).
Punkt ten również znajduje się na granicy kostki.
Na podstawie analizy komputerowej oraz badania funkcji zadanie to okazuje się zadaniem
nieograniczony. Funkcja ucieka do nieskończoności.
b)
2
1
2
2
2
1
2
1
2
1
5
.
0
)
,
(
x
x
x
x
x
x
x
x
f
Najpierw obliczamy pochodne cząstkowe naszej funkcji:
1
2
2
1
1
x
x
x
f
1
2
1
2
x
x
x
f
2
2
1
2
x
f
1
2
2
2
x
f
1
2
1
2
x
x
f
1
1
2
2
x
x
f
Hesjan ma postać:
1
1
1
2
H
ze względu na to, iż
1
2
2
2
x
f
czyli >0 to nasza funkcja jest funkcją wypukłą.
Natomiast skoro det H >0 to funkcja ta posiada minimów, minimów jej
0
)
(
x
f
.
5
.
0
)
(
0
0
0
1
0
1
2
0
)
1
;
1
2
(
)
,
(
)
(
^
2
1
2
1
2
1
2
1
2
1
2
1
x
f
x
x
x
x
x
x
x
x
x
x
x
f
x
f
x
f
Znając punkt optymalny przystępujemy do symulacji komputerowej, dobieramy tak kostkę,
aby punkt ten się w niej znajdował:
)
10
,
10
(
)
10
,
10
(
2
1
x
x
Znalezione optimum (-2,17956*10
-2
; 1,000467), a wartość funkcji w tym, punkcie wynosi
-0,4993847.
c)
2
2
2
1
4
2
4
1
2
1
62
.
0
62
.
0
)
,
(
x
x
x
x
x
x
f
Znowu zaczynamy od obliczenia pochodnych cząstkowych:
1
3
1
1
24
.
1
4
x
x
x
f
2
3
2
2
24
.
1
4
x
x
x
f
24
.
1
12
2
1
2
1
2
x
x
f
24
.
1
12
2
2
2
2
2
x
x
f
0
2
1
2
x
x
f
0
1
2
2
x
x
f
Hesjan ma postać:
24
.
1
12
0
0
24
.
1
12
2
2
2
1
x
x
H
, czyli nasza funkcja jest funkcją wypukłą tylko w
przypadku, gdy
0
24
.
1
12
0
2
2
2
2
2
x
x
f
czyli gdy
)
;
321
.
0
(
)
321
.
0
;
(
2
x
Ze względu na to, że szukamy minimum lokalnego również
0
2
1
2
x
f
, czyli
)
;
321
.
0
(
)
321
.
0
;
(
1
x
Aby znaleźć punkt optymalny przyrównujemy gradient funkcji do zera:
0
)
(
x
f
557
.
0
557
.
0
557
.
0
557
.
0
0
0
0
24
.
1
4
0
24
.
1
4
2
1
2
1
2
1
2
3
2
1
3
1
x
x
x
x
x
x
x
x
x
x
Punkty x1=0 i x2=0 odrzucamy, bo nie należą do obliczonych wyżej przedziałów.
Otrzymujemy cztery rozwiązania:
(0.557 ; 0.557) v (0.557 ; -0.557) v (-0.557 ; 0.557 ) v (-0.557 ; -0.557).
Przechodzimy do symulacji komputerowej:
1) ustalamy kostkę:
)
1
,
0
(
)
1
,
0
(
2
1
x
x
otrzymujemy punkt optymalny : (0.5566968 ; 0.5567175), wartość funkcji w tym punkcie
wynosi: -0.1922 jest to rozwiązanie zgodne z rzeczywistym minimum.
2) ustalamy kostkę:
)
1
,
0
(
)
0
,
1
(
2
1
x
x
otrzymujemy punkt optymalny : (-0.5555202 ; 0.5568593), wartość funkcji w tym punkcie
wynosi: -0.192198 jest to rozwiązanie zgodne z rzeczywistym minimum.
3) ustalamy kostkę:
)
0
,
1
(
)
0
,
1
(
2
1
x
x
otrzymujemy punkt optymalny : (-0.5566024 ; -0.5566248), wartość funkcji w tym punkcie
wynosi: -0.1921999 jest to rozwiązanie zgodne z rzeczywistym minimum.
4) ustalamy kostkę:
)
0
,
1
(
)
1
,
0
(
2
1
x
x
otrzymujemy punkt optymalny : (0.5562384 ; -0.555672), wartość funkcji w tym punkcie
wynosi: -0.1921981 jest to rozwiązanie zgodne z rzeczywistym minimum.