Методы исследования функций численного анализа.

Линейное программирование представляет собой математический аппарат, разработанный для решения оптимальных задач с линейными выражениями для критерия оптимальности и линейными ограничениями на область изменения переменных. Такие задачи обычно встречаются при решении во­просов оптимального планирования производства с ограниченным количеством ресурсов, при определении оптимального плана пе­ревозок (транспортные задачи) и т. д. Для решения большого круга задач линейного программирова­ния имеется практически универсальный алгоритм — симплексный метод, позволяющий за конечное число итераций находить опти­мальное решение подавляющего большинства задач. Тип исполь­зуемых ограничений (равенства или неравенства) не сказывается на возможности применения указанного алгоритма. Дополнитель­ной проверки на оптимальность для получаемых решений не тре­буется. Как правило, практические задачи линейного программиро­вания отличаются весьма значительным числом независимых пере­менных. Поэтому для их решения обычно используют вычислитель­ные машины, необходимая мощность которых определяется раз­мерностью решаемой задачи.

Принцип максимумаприменяют для решения задач оптимизации процессов, описываемых системами дифферен­циальных уравнений. Достоинством математического аппарата принципа максимума является то, что решение может определяться в виде разрывных функций; это свойственно многим задачам оптимизации, например задачам оптимального управления объек­тами, описываемыми линейными дифференциальными уравне­ниями.Нахождение оптимального решения при использовании принципа максимума сводится к задаче интегрирования системы диф­ференциальных уравнений процесса и сопряженной системы для вспомогательных функций при граничных условиях, заданных на обоих концах интервала интегрирования, т. е. к решению краевой задачи. На область изменения переменных могут быть наложены ограничения. Систему дифференциальных уравнений интегрируют применяя обычные программы на цифровых вычислительных машинах. Принцип максимума для процессов, описываемых дифферен­циальными уравнениями, при некоторых предположениях является и достаточным условием оптимальности. Поэтому дополнительной проверки на оптимум получаемых решений обычно не требуется. Для дискретных процессов принцип максимума в той же фор­мулировке, что и для непрерывных, вообще говоря, несправедлив. Однако условия оптимальности, получаемые при его применении для многостадийных процессов, позволяют найти достаточно удобные алгоритмы оптимизации

Методы нелинейного программированияприме­няют для решения оптимальных задач с нелинейными функциями цели. На независимые переменные могут быть наложены ограни­чения также в виде нелинейных соотношений, имеющих вид ра­венств или неравенств. По существу методы нелинейного програм­мирования используют, если ни один из перечисленных выше ме­тодов не позволяет сколько-нибудь продвинуться в решении оптимальной задачи. Поэтому указанные методы иногда называют также прямыми методами решения оптимальных задач. Для получения численных результатов важное место отводится нелинейному программированию и в решении оптимальных задач такими методами, как динамическое программирование, принцип, максимума и т. п. на определенных этапах их применения. Названием «методы нелинейного программирования» объеди­няется большая группа численных методов, многие из которых при­способлены для решения оптимальных задач соответствующего класса. Выбор того или иного метода обусловлен сложностью вы­числения критерия оптимальности и сложностью ограничивающих условий, необходимой точностью решения, мощностью имеющейся вычислительной машины и т. д. Ряд методов нелинейного програм­мирования практически постоянно используется в сочетании с дру­гими методами оптимизации, как, например, метод сканирования в динамическом программировании. Кро­ме того, эти методы служат основой построения систем автомати­ческой оптимизации — оптимизаторов, непосредственно при­меняющихся для управления производственными процессами.

Динамическое программирование служит эффек­тивным методом решения задач оптимизации дискретных многоста­дийных процессов, для которых критерий оптимальности задается как аддитивная функция критериев оптимальности отдельных ста­дий.Без особых затруднений указанный метод можно распростра­нить и на случай, когда критерий оптимальности задан в другой форме, однако при этом обычно увеличивается размерность отдель­ных стадий. По существу метод динамического программирования представ­ляет собой алгоритм определения оптимальной стратегии управле­ния на всех стадиях процесса. При этом закон управления на ка­ждой стадии находят путем решения частных задач оптимизации последовательно для всех стадий процесса с помощью методов ис­следования функций классического анализа или методов нелиней­ного программирования. Результаты решения обычно не могут быть выражены в аналитической форме, а получаются в виде таб­лиц. Ограничения на переменные задачи не оказывают влияния на общий алгоритм решения, а учитываются при решении частных за­дач оптимизации на каждой стадии процесса. При наличии ограни­чений типа равенств иногда даже удается снизить размерность этих частных задач за счет использования множителей Лагранжа.

Применение метода динамического программирования для оп­тимизации процессов с распределенными параметрами или в зада­чах динамической оптимизации приводит к решению дифферен­циальных уравнений в частных производных. Вместо решения таких уравнений зачастую значительно проще представить непре­рывный процесс как дискретный с достаточно большим числом стадий. Подобный прием оправдан особенно в тех случаях, когда имеются ограничения на переменные задачи и прямое решение дифференциальных уравнений осложняется необходимостью учета указанных ограничений. При решении задач методом динамического программирования, как правило, используют цифровые вычислительные машины обла­дающие достаточным объемом памяти для хранения промежуточ­ных результатов решения, которые обычно получаются в таблич­ной форме.

Геометрическое программирование - есть метод решения одного специального класса задач нелинейного программирования, в которых критерий оптимальности и ограничены задаются в виде позиномов - выражений, представляющих собой сумму произведений степенных функций от независимых перемен­ных.С подобными задачами иногда приходится сталкиваться в проектировании. Кроме того, некоторые задачи нелинейного про­граммирования иногда можно свести к указанному представлению, используя аппроксимационное представление для целевых функций и ограничений.

Чувствительность оптимума.

Решение оптимальной задачи, полученное с использованием математической модели процесса, всегда дает лишь идеализированное представление об оптимальном режиме реального процесса, так как никакая модель не может полностью заменить оптимизируемый объект. Кроме того, при применении такого режима неизбежны отклонения от найденного закона оптимального управления. Поэтому, прежде чем перейти к вопросам практической реализации оптимального режима, интересно хотя бы приближенно оценить чувствительность найденного оптимального решения кизменению параметров, модели в частности, к изменению управляющих действий.Под чувствительностью оптимума ниже будет пониматься относительное изменение критерия оптимальности при отклонении управляющих воздействий от оптимальных значений. Вообще говоря, в приведенное определение чувствительности оптимума следует включить не только зависимость критерия от управляющих воздействий, но также и от всех остальных параметров математической модели, для которых в процессе моделирования необходимо задавать численные значения. В этом случае постановка задачи исследования чувствительности оптимума найденного на математической модели процесса, окажется наиболее полной. Однако принципиально анализ чувствительности оптимума несмотря на то, по какому параметру ее исследуют, проводят аналогичным методами. Поэтому в дальнейшем ограничимся рассмотрением чувствительности только по отношению к управляющим воздействиям.Предположим, что известно оптимальное управление ( i= 1, . . . , r),максимизирующее значение критерия оптимальности R, который при этом принимается только как функция управляющих воздействий:

R=R( ,…, ) (1,33)

При отклонении управляющих воздействий от оптимальных знаний на величины изменение критерия оптимальности определяется выражением:

𝜟R=R( ,…, +𝜟 )- R( ,…, ) (1,34)

Для малых значений 𝜟 оценка изменения критерия оптимальности может быть получена разложением правой части выражения (I,34) в ряде по степеням 𝜟 с точностью до членов второго порядка малости:

𝜟R= + (1,35)

=0 i=1,…,r (1,36)

С учетом равенства (1,36) выражение для оценки изменения критерия оптимальности можно записать в виде:

(1,37)

Допустим, что максимальное отклонение управляющих воздей­ствий от оптимального значения не превышает величины . В дан­ном случае может быть принято неравенств

I,k=1,…,r (1, 38)

Комбинируя выражения (1,37) и (1,38), получим следующую оценку для изменения критерия оптимальности:

где производные суммируют по модулю для того, чтобы учесть воз­можное различие их знаков.Для оценки размеров окрестности _м, в которой допустимо из­менение значений управляющих воздействий при изменении крите­рия оптимальности не более чем на из выражения (1,39) получим формулу

,(1,40)

которая для одного управляющего воздействия имеет простой вид:

(1,41)

Специфической особенностью методов решения оптимальных задач (за исключением методов нелинейного программирования) является то, что до некоторого этапа оптимальную задачу решают аналитически, т. е. находят определенные аналитические выраже­ния, например, системы конечных или дифференциальных уравне­ний, откуда уже отыскивают оптимальное решение. В отличие от указанных методов при использовании методов нелинейного про­граммирования, которые, как уже отмечалось выше, могут быть названы прямыми, применяют информацию, получаемую при вы­числении критерия оптимальности, изменение которого служит оценкой эффективности того или иного действия. Важной характеристикой любой оптимальной задачи является ее размерность п,равная числу переменных, задание значений ко­торых необходимо для однозначного определения состояния опти­мизируемого объекта. Как правило, решение задач высокой раз­мерности связано с необходимостью выполнения большого объема вычислений. Ряд методов (например, динамическое программиро­вание и дискретный принцип максимума) специально предназначен для решения задач оптимизации процессов высокой размерно­сти, которые могут быть представлены как многостадийные про­цессы с относительно невысокой размерностью каждой стадии.

Раздел 1.

Линейное программирование.

ЧТО ТАКОЕ УВЕРЕННОЕ ПОВЕДЕНИЕ В МЕЖЛИЧНОСТНЫХ ОТНОШЕНИЯХ? Исторически существует три основных модели различий, существующих между...

ЧТО ПРОИСХОДИТ ВО ВЗРОСЛОЙ ЖИЗНИ? Если вы все еще «неправильно» связаны с матерью, вы избегаете отделения и независимого взрослого существования...

Что будет с Землей, если ось ее сместится на 6666 км? Что будет с Землей? - задался я вопросом...

Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычис­лить, когда этот...

Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте: