-
1 градиентные методы решения задач математического программирования
градиентные методы решения задач математического программирования
Методы (вычислительные алгоритмы), основанные на поиске экстремума (максимума или минимума) функции путем последовательного перехода к нему с помощью градиента этой функции. В случае поиска минимума функции говорят о методе наискорейшего спуска, в случае задачи максимизации — о методе наискорейшего роста (или подъема). При этом необходима строгая проверка решения, ибо градиентный спуск или подъем могут привести к экстремальной точке, которая на самом деле окажется не глобальным, а лишь одним из локальных оптимумов. Формально решение в случае «спуска» состоит в построении последовательности векторов x0, x1,…, xn, удовлетворяющих условию f(x0)>f(x2)>…>f(xn). Такие последовательности называют релаксационными. Точки этой последовательности [xk] вычисляются по формуле xk+1 = xk+gkpk, где gk — направление спуска, определяемого градиентом, pk — длина шага вдоль этого направления; длина шага может быть постоянной и переменной, причем оптимальный ее размер обеспечивает наискорейший спуск (или подъем). Среди градиентных алгоритмов: метод растяжения пространства, субградиентный метод выпуклой оптимизации, метод покоординатного спуска.
[ http://slovar-lopatnikov.ru/]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > градиентные методы решения задач математического программирования
-
2 нелинейное программирование
нелинейное программирование
Раздел математического программирования, изучающий методы решения экстремальных задач с нелинейной целевой функцией и (или) областью допустимых решений, определенной нелинейными ограничениями. В экономике это соответствует тому, что результаты (эффективность) возрастают или убывают непропорционально изменению масштабов использования ресурсов (или, что то же самое, масштабов производства) - например, из-за деления издержек производства на предприятиях на переменные и условно-постоянные, из-за насыщения спроса на товары, когда каждую следующую единицу продать труднее, чем предыдущую, из-за влияния экстерналий (см.Внешняя экономия, внешние издержки) и т.д. В краткой форме задачу Н.п. можно записать так: F (x) ? max при условиях g (x) ? b, x ? 0. где x — вектор искомых переменных, F (x) — целевая функция, g (x) — функция ограничений (непрерывно дифференцируемая), b — вектор констант ограничений (выбор знака ? в первом условии здесь произволен, его всегда можно изменить на обратный). Решение задачи нелинейного программирования (глобальный максимум или минимум) может принадлежать либо границе, либо внутренней части допустимого множества. Иначе говоря, задача состоит в выборе таких неотрицательных значений переменных, подчиненных системе ограничений в форме неравенств, при которых достигается максимум (или минимум) данной функции. При этом не оговаривается форма ни целевой функции, ни неравенств. Могут быть разные случаи: целевая функция — нелинейна, а ограничения — линейны; целевая функция — линейна, а ограничения (хотя бы одно из них) - нелинейны; и целевая функция, и ограничения нелинейны. Задачи, в которых число переменных и (или) число ограничений бесконечно, называются задачами бесконечномерного Н.п.. Задачи, в которых целевая функция и (или) функции ограничений содержат случайные элементы, называются задачами стохастического Н.п. Например, задачу для двух переменных (выпуск продукта x и выпуск продукта y) и вогнутой целевой функции (прибыль — p) можно геометрически представить на чертеже (см. рис. H.4; заштрихована область допустимых решений). Эта задача реалистично отражает распространенное в экономике явление: рост прибыли с ростом производства до определенного (оптимального) уровня в точке B’, а затем ее снижение, например, вследствие затоваривания продукцией или исчерпания наиболее эффективных ресурсов. Нелинейные задачи сложны, часто их упрощают тем, что приводят к линейным. Для этого условно принимают, что на том или ином участке целевая функция возрастает или убывает пропорционально изменению независимых переменных. Такой подход называется методом кусочно-линейных приближений, он применим, однако, лишь к некоторым видам нелинейных задач. Нелинейные задачи в определенных условиях решаются с помощью функции Лагранжа (см. Множители Лагранжа, Лагранжиан): найдя ее седловую точку, тем самым находят и решение задачи. Среди вычислительных алгоритмов Н.п. большое место занимают градиентные методы. Универсального же метода для нелинейных задач нет, и, по-видимому, может не быть, поскольку они чрезвычайно разнообразны. Особенно трудно решаются многоэкстремальные задачи. Для некоторых типов задач выпуклого программирования (вид нелинейного) разработаны эффективные численные методы оптимизации Рис. Н.4 Нелинейное программирование (заштрихована область допустимых решений)
[ http://slovar-lopatnikov.ru/]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > нелинейное программирование
Перевод: с русского на английский
с английского на русский- С английского на:
- Русский
- С русского на:
- Английский
