9w timo 2011

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Zadanie optymalizacji polega na znalezieniu wektora zmiennych decyzyjnych x,
należącego do zbioru rozwiązań dopuszczalnych R

n

takiego, że dla

n

R

x

Co jest równoznaczne zapisowi

:

x

( )

x

x

f

f

( )

=

x

x

x

f

f

n

R

min

( )

1

:

R

R

f

n

→

x

Funkcja celu f(x) :

Sformu

Sformu

ł

ł

owanie zadania optymalizacji

owanie zadania optymalizacji

nieliniowej

nieliniowej

bez ogranicze

bez ogranicze

ń

ń

:

:

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Zadanie programowania nieliniowego bez ograniczeń

DEFINICJA.

Kierunkiem d w przestrzeni R

n

nazywamy dowolny n-wymiarowy wektor

kolumnowy. Niech będzie dany punkt

oraz skalar

Dowolny punkt

leżący na półprostej wychodzącej z

punktu x w kierunku

będzie wówczas określony zależnością

LEMAT.

Niech

będzie funkcją różniczkowalną w punkcie

Załóżmy, że istnieje d, dla którego:

Wówczas istnieje takie

,że dla wszystkich zachodzi

n

R

x

).

;

0

[ +∞

τ

n

R

y

0

d

d

x

y

τ

+

=

1

:

R

R

f

n

=

X

X

x

0

,

0

),

(

0

<

d

x

f

,

0

>

σ

]

,

0

(

σ

τ

).

(

)

(

0

0

x

f

d

x

f

<

+

τ

Dowód: wynika z własności różniczki Gateaux.

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Zadanie programowania nieliniowego bez ograniczeń

x

Twierdzenie. Niech

będzie funkcją różniczkowalną . Jeśli

minimalizuje funkcję f(x)

tzn.

1

:

R

R

f

n

=

X

0

)

ˆ

(

to

,

),

(

)

(

=

x

X

x

x

x

f

f

f

Dowód: nie wprost.

Twierdzenie. Niech

będzie funkcją wypukłą i

różniczkowalną. Punkt

stanowi minimum funkcji f(x), tzn.

dla każdego wtedy i tylko wtedy, gdy spełnia warunek

1

:

R

R

X

f

n

=

ˆ X

x

),

(

)

ˆ

(

x

f

x

f

0

)

ˆ

(

=

x

f

Punkt jest nazywany

punktem stacjonarnym.

x

X

x

Jest to warunek konieczny istnienia ekstremum lokalnego f(x) w punkcie .

x

X

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Minimum lokalne i globalne funkcji

f(x)

Punkt stanowi

minimum lokalne

funkcji f(x) w przestrzeni R

n

, jeżeli istnieje takie

otwarte otoczenie punktu , że

x

x

)

(

)

(

x

f

x

f

E

x

Przy czym jeśli zachodzi

)

(

)

(

x

f

x

f

<

dla to istnieje wtedy

ścisłe minimum lokalne.

x

x

n

R

E

Punkt stanowi

minimum globalne

funkcji f(x) w przestrzeni R

n

, jeżeli istnieje takie

otwarte otoczenie R

n

punktu , że

)

(

)

(

x

f

x

f

R

x

n

Przy czym jeśli zachodzi dla to ten punkt stanowi ścisłe minimum
globalne.

)

(

)

(

x

f

x

f

<

x

x

x

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Minimum globalne funkcji f(x)

Jeśli

będzie funkcją ściśle wypukłą i

różniczkowalną, to wektor

spełniający warunek

konieczny

jest jedynym minimum globalnym

funkcji f(x).

1

:

R

R

X

f

n

=

0

)

ˆ

(

=

x

f

Twierdzenie:

ˆ X

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Warunki wystarczające optymalizacji dla zadania bez ograniczeń

i

A

)

(

2

1

2

1

x

x

f

A

=

)

(

.....

)

(

......

.....

)

(

.....

)

(

2

2

1

2

1

2

2

1

2

x

x

f

x

x

x

f

x

x

x

f

x

x

f

A

i

i

i

i

=

Funkcja f(x) jest funkcją ciągłą i dwukrotnie różniczkowalną. Posiada macierz
drugich pochodnych (hesjan) - A

Macierz A posiada ciąg podwyznaczników głównych

)

(

...

)

(

...

)

(

...

...

...

...

...

)

(

...

)

(

...

)

(

...

...

...

...

...

)

(

...

)

(

...

)

(

2

2

2

1

2

2

2

2

1

2

1

2

1

2

2

1

2

x

x

f

x

x

x

f

x

x

x

f

x

x

x

f

x

x

f

x

x

x

f

x

x

x

f

x

x

x

f

x

x

f

A

n

i

n

n

n

i

i

i

n

i

n

=

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Warunki stacjonarności dla zadania optymalizacji nieliniowej bez
ograniczeń cd.

Twierdzenie:

Założono, że jest punktem stacjonarnym funkcji f(x). Wówczas zachodzą poniższe
zależności:
1.

Jeśli hesjan A jest dodatnio określony tzn: to

funkcja f(x) ma minimum lokalne w tym punkcie

2. Jeśli hesjan A jest ujemnie określony tzn: to
funkcja f(x) ma maksimum lokalne w tym punkcie

3. Jeśli hesjan A jest pół-dodatnio określony tzn:
bądź hesjan pół-ujemnie określony

to nie można rozstrzygnąć o typie ekstremum funkcji f(x) w tym punkcie
4. Jeśli nie są spełnione warunki 1 i 2 z nieostrymi nierównościami (wówczas hesjan A

nie jest określony) to funkcja f(x) nie ma ekstremum w punkcie

0

)

(

1

,...,

1

0

)

(

=

=

n

i

x

A

oraz

n

i

dla

x

A

n

i

dla

x

A

i

,...,

1

0

)

(

=

>

( )

n

i

dla

x

A

i

i

,...,

1

0

)

(

1

=

>

x

( )

0

)

(

1

,...,

1

0

)

(

1

=

=

n

i

i

x

A

oraz

n

i

dla

x

A

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Warunek stacjonarności:

poprawić gradient i hesjan A

)

(

2

=

x

f

A

0

)

(

>

d

x

A

d

T

TWIERDZENIE. Jeśli funkcja f(x) jest dwukrotnie różniczkowalna, to w każdym jej
minimum lokalnym bez ograniczeń spełnione są następujące warunki konieczne
optymalności zadania ZPN bez ograniczeń.

0

=

x

f

Warunek I rzędu jest często nazywamy warunkiem stacjonarności, ponieważ
oznacza zerowanie się pierwszej pochodnej.

Warunek II rzędu dla funkcji dwukrotnie różniczkowalnych implikuje lokalną
wypukłość minimalizowanej funkcji celu.

)

(x

f

warunek II rzędu

warunek I rzędu

dla

0

d

Macierz A jest macierzą ściśle dodatnio określoną

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Sformułowanie zadania optymalizacji nieliniowej
z ograniczeniami PN :

.

:

oraz

:

},

,...,

1

,

0

)

(

:

{

:

gdzie

),

(

min

)

ˆ

(

1

1

R

R

X

g

R

R

X

f

m

i

g

X

f

f

n

i

n

i

X

=

=

=

=

=

x

x

x

x

x

Znaleźć

takie, że:

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Sformułowanie zadania optymalizacji nieliniowej
z ograniczeniami

DEFINICJA. Kierunek d poprowadzony z punktu x jest

DEFINICJA. Kierunek d poprowadzony z punktu x jest

dopuszczalny, je

dopuszczalny, je

ś

ś

li istnieje takie

li istnieje takie

ż

ż

e dla dowolnego

e dla dowolnego

gdzie X

gdzie X

0

0

oznacza zbi

oznacza zbi

ó

ó

r okre

r okre

ś

ś

lony jako PN.

lony jako PN.

Zbi

Zbi

ó

ó

r wszystkich kierunk

r wszystkich kierunk

ó

ó

w dopuszczalnych :

w dopuszczalnych :

,

],

;

0

[

X

+

d

x

τ

σ

τ

0

>

σ

}.

]

;

0

[

że

takie,

0

:

{

)

(

X

d

x

D

+

>

=

d

x

τ

σ

τ

σ

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Funkcja Lagrange’a

DEFINICJA.

Funkcją Lagrange’a zadania PN nazywamy skalarną
funkcję

gdzie

jest wektorem mnożników Lagrange’a.

,

)

(

,

)

(

)

(

x

λ

x

λ

x,

g

f

L

+

=

n

R

λ

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Ograniczenia aktywne:

]

,

0

[

czym

przy

)

ˆ

(

,

0

)

ˆ

(

.

1

τ

τ

τ

+

x

d

x

A

i

g

i

0

)

(

),

ˆ

(

)

ˆ

(

)

ˆ

(

g

.

2

i

+

+

=

+

τ

τ

τ

O

g

g

i

i

d

x

x

d

x

)

ˆ

(

,

0

),

ˆ

(

x

d

x

A

i

g

i

3. warunkiem koniecznym na to, aby kierunek d był
dopuszczalny jest:

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Lemat Farkasa

Niech będzie dany w R

n

zbiór n-wymiarowych wektorów

Nierówność

zachodzi dla każdego

spełniającego

Wtedy i tylko wtedy, gdy istnieje

takie, że

}.

,...,

1

,

,

{

m

i

a

b

i

=

0

,

x

b

,

n

R

x

,

0

,

x

a

i

0

]

,...,

[

1

=

T

m

λ

λ

λ

=

=

+

m

i

i

a

b

1

1

.

0

λ

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Wzajemnie rozłączne zbiory kierunków

>

<

>

<

=

0

),

(

),

(

,

0

),

(

:

)

(

1

d

x

f

x

A

i

d

x

g

d

x

D

i

<

>

<

>

<

=

0

),

(

),

(

,

0

),

(

:

)

(

2

d

x

f

x

A

i

d

x

g

d

x

D

i

>

>

<

=

)

(

0

),

(

:

)

(

3

x

A

i

pewnych

dla

d

x

g

d

x

D

i

)

(

)

(

)

(

)

(

3

2

1

=

x

D

x

D

x

D

x

D

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Warunki konieczne Kuhn’a-Tucker’a-Karusch’a

TWIERDZENIE. Jeśli

a)funkcje

są różniczkowalne;

b)

jest lokalnym minimum ZPN, to istnieje

Takie, że

i

g

f

i

xˆ

.

ˆ

dim

,

0

ˆ

m

=

λ

λ

m,

1,...,

i

,

0

)

ˆ

(

ˆ

0

)

ˆ

(

ˆ

)

ˆ

(

1

=

=

=

+

=

x

x

λ

x

i

i

m

i

i

i

g

g

f

λ

Wtedy i tylko wtedy, gdy

φ

=

)

ˆ

(

2

x

D

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Dowód warunków koniecznych Kuhn’a-Tucker’a-Karusch’a

DOWÓD. Niech

oraz

wówczas zgodnie z lematem Farkasa, istnieje

takie, że

wtedy i tylko wtedy, gdy

Spełniającego warunek dla ograniczeń:,

tzn. wtedy i tylko wtedy, gdy

)

ˆ

(x

f

b

=

)

ˆ

(

),

ˆ

(

x

x

A

i

g

a

i

i

=

)

ˆ

(

,

0

ˆ

x

A

i

i

λ

−∇

=

)

ˆ

(

))

ˆ

(

(

ˆ

)

ˆ

(

x

x

x

A

i

i

i

g

f

λ

,

,

0

ˆ

(

n

R

f

d

d

),

x

φ

=

)

ˆ

(

2

x

D

)

ˆ

(

,

0

),

ˆ

(

x

d

x

A

i

g

i

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Dowód warunków koniecznych Kuhn’a-Tucker’a-Karusch’a

Dla należy przyjąć

)

ˆ

(x

A

i

0

ˆ =

i

λ

Wi

Wi

ę

ę

c s

c s

ą

ą

spe

spe

ł

ł

nione dwa r

nione dwa r

ó

ó

wnania:

wnania:

m,

1,...,

i

,

0

)

ˆ

(

ˆ

0

)

ˆ

(

ˆ

)

ˆ

(

1

=

=

=

+

=

x

x

λ

x

i

i

m

i

i

g

g

f

λ

Ckd

Ckd

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Warunki konieczne Kuhn’a-Tucker’a-Karusch’a z wykorzystaniem
funkcji Lagrange’a

.

)

(

)

(

)

(

1

=

+

=

m

i

i

i

g

f

L

x

x

λ

x,

λ

warunki konieczne:

,

0

)

ˆ

ˆ

(

=

λ

,

x

L

x

0

)

ˆ

ˆ

(

,

ˆ

=

λ

,

x

λ

L

λ

0

)

ˆ

ˆ

(

λ

,

x

L

λ

0

ˆ ≥

λ

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Warunki wystarczające optymalizacji określane jako

warunki regularności ograniczeń:

1. Wszystkie funkcje ogranicze

1. Wszystkie funkcje ogranicze

ń

ń

g

g

i

i

(x

(x

) s

) s

ą

ą

liniowe

liniowe

warunek

warunek

regularno

regularno

ś

ś

ci Karlina.

ci Karlina.

2.

Wszystkie funkcje ogranicze

Wszystkie funkcje ogranicze

ń

ń

g

g

i

i

(x

(x

) s

) s

ą

ą

funkcjami wypuk

funkcjami wypuk

ł

ł

ymi

ymi

oraz zbi

oraz zbi

ó

ó

r rozwi

r rozwi

ą

ą

za

za

ń

ń

dopuszczalnych ma niepuste wn

dopuszczalnych ma niepuste wn

ę

ę

trze

trze

warunek regularno

warunek regularno

ś

ś

ci

ci

Slatera

Slatera

3. Gradienty wszystkich ograniczeń aktywnych, a więc

dla

są liniowo niezależne – warunek regularności

Fiacco i McCormicka.

),

(

x

g

i

),

(

x

A

i

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Twierdzenie Kuhn’a-Tucker’a-Karusch’a – warunki konieczne i
wystarczające dla zadania optymalizacji nieliniowej z ograniczeniami

TWIERDZENIE. Jeśli

a)funkcje

są różniczkowalne;

b)

jest lokalnym minimum ZPN,

c) Warunek regularności ograniczeń Kuhn’a-Tucker’a-

Karusch’a jest spełniony w

to istnieje

Takie, że w punkcie zachodzą warunki konieczne

Kuhn’a-Tucker’a.

i

g

f

i

.

ˆ

dim

,

0

ˆ

m

=

λ

λ

m,

1,...,

i

,

0

)

ˆ

(

ˆ

0

)

ˆ

(

ˆ

)

ˆ

(

1

=

=

=

+

=

x

x

λ

x

i

i

m

i

i

i

g

g

f

λ

x

xˆ

xˆ


Wyszukiwarka

Podobne podstrony:
2w timo 2011
1w timo 2011
11w timo 2011
7w timo 2011
6w timo 2011
5w timo 2011 cz2
3w timo 2011
8w timo 2011
10w timo 2011
4w timo 2011 cz1
4w timo 2011 cz1
9w to optym lokalna bez ogran 2011
9w to optym lokalna bez ogran 2011
2011 2 KOSZE
higiena dla studentów 2011 dr I Kosinska
Plan pracy na 2011 pps
W 8 Hormony 2010 2011

więcej podobnych podstron