12+ Свидетельство СМИ ЭЛ № ФС 77 - 70917 Лицензия на образовательную деятельность №0001058 |
Пользовательское соглашение Контактная и правовая информация |
Михаил Евгеньевич Никитин139 преподаватель ГБПОУ МО "Раменский дорожно-строительный техникум" обучаю детей по нескольким дисциплинам: ОУПД.01. Математика,
ПМ.02 «ОРГАНИЗАЦИЯ СЕТЕВОГО АДМИНИСТРИРОВАНИЯ» Россия, Московская обл., Раменское |
Презентация на тему «Методы вычислений. Оптимизация»
В процессе проектирования обычно поставлена задача определить лучшие, в некотором смысле, структуру или значения параметров объектов. Такая задача называется оптимизацией. Если оптимизация связана с расчетом оптимальных значений параметров в структуре объекта, это называется параметрической оптимизацией. Задача выбора оптимальной структуры-структурная оптимизация.
Таким образом, была сформулирована стандартная математическая задача оптимизации. Среди элементов χ, образующих множества Χ, найти такой элемент χ*, который доставляет минимальное значение f(χ*) данной функции f (χ). Чтобы правильно поставить задачу оптимизации, необходимо установить:
Если минимизация функции не является выпуклой, она часто ограничивается поиском местных минимумов и вершин: такие точки, как те, которые находятся в некоторых из их кварталов для минимального и максимального.
Если это действительный набор, то такая задача называется задачей безусловной оптимизации, в противном случае-задачей условной оптимизации.
Классификация методов оптимизации
Общая запись задач оптимизации определяет широкий спектр их классов. Выбор метода (эффективность его решения) зависит от класса проблемы. Классификация задач определяется: целевой функцией и допустимой областью (заданной системой неравенства и розыгрышей или более сложным алгоритмом).[2]
Методы оптимизации классифицируются в соответствии с задачами оптимизации:
* Локальные методы: приближаются к локальному экстремуму целевой функции. В случае унимодальной целевой функции этот экстремум является единственным и будет глобальным максимумом / минимумом.
* Глобальные методы: дело с многоэкстремальных целевых функций. В глобальном поиске основная задача-определить тенденции глобального поведения целевой функции.
В настоящее время существующие методы поиска можно разделить на три большие группы:
1. детерминированные;
2. случайные (стохастические);
3. смешанный.
Согласно критерию измерения допустимого набора, методы оптимизации подразделяются на методы одномерной оптимизации и методы многомерной оптимизации.
Согласно типу целевой функции и допустимому набору, задачи оптимизации и методы их решения можно разделить на следующие классы:
* Задачи оптимизации, в которых целевая функция и ограничения являются линейными функциями, решаются так называемыми методами линейного программирования.
• В противном случае справиться с задачей нелинейного программирования и применять соответствующие методы. В свою очередь из них есть две частные задачи:
О если и-выпуклые функции, эта задача называется задачей выпуклого программирования;
О если, они имеют дело с задачей целевого (дискретного) программирования.
Согласно требованиям к гладкости и наличию в целевой функции частных производных, их также можно разделить на:
* прямые методы, требующие только расчетов целевой функции в точках масштабирования;
* методы первого порядка: требуется расчет первых частных производных функции;
* методы второго порядка: требуется расчет второго частного производного, т. е.ну. гессиан целевая функция.
Кроме того, методы оптимизации делятся на следующие группы:
* аналитические методы (например. метод мультипликаторов Лагранжа и условия Каруш-Кун-Такер);
* численные методы;
* графические методы.
В зависимости от характера набора х задачи математического программирования классифицируются как:
* задачи дискретного программирования-или комбинаторной оптимизации) - если Х курс или подсчет;
* целые задачи программирования — если Х является подмножеством набора целых чисел;
* нелинейные задачи программирования, если ограничения или целевая функция содержат нелинейные функции, а Х является подмножеством конечного векторного пространства.
• Если все ограничения и целевая функция содержат только линейные функции, это задача линейного программирования.
Кроме того, разделы математического программирования-это параметрическое Программирование, динамическое программирование и стохастическое Программирование.
Математическое программирование используется в решении задач оптимизации исследовательских операций.
Способ найти крайность полностью определяется классом задачи. Но прежде чем вы получите математическую модель, вам нужно выполнить 4 этапа моделирования:
* Определение границ системы оптимизации
О Мы отвергаем эти ссылки на объект оптимизации с внешним миром, которые не могут сильно повлиять на результат оптимизации, или, точнее, те, без которых решение упрощено
* Выбор управляемых переменных
о" замораживать " значения некоторых переменных (неуправляемые переменные). Другие позволяют принимать все значения из области допустимых решений (управляемые переменные)
* Определение ограничений для управляемых переменных
о ... (равенство и / или неравенство)
* Выбор цифрового критерия оптимизации (например . показатель эффективности)
о создание целевой функции