Technika optymalizacji

Slides:



Advertisements
Podobne prezentacje
Wykład dla doktorantów (2013) Wykład 4
Advertisements

Metody badania stabilności Lapunowa
Sympleksy n=2.
Równanie różniczkowe zupełne i równania do niego sprowadzalne
Programowanie matematyczne
dr Przemysław Garsztka
VI Rachunek predykatów
Badania operacyjne. Wykład 2
Wykład no 11.
Ü     warunkiem koniecznym istnienia ekstremum funkcji jest by pierwsze pochodne spełniały warunek:
„METODA FOURIERA DLA JEDNORODNYCH WARUNKÓW BRZEGOWYCH f(0)=f(a)=0”
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Materiały pomocnicze do wykładu
Analiza matematyczna - Funkcje jednej zmiennej wykład II
Analiza matematyczna - Badanie przebiegu zmienności funkcji wykład IV
6. Pochodne cząstkowe funkcji n zmiennych
Zależności funkcyjne.
Stabilność Stabilność to jedna z najważniejszych właściwości systemów dynamicznych W większości przypadków, stabilność jest warunkiem koniecznym praktycznego.
Nierówności (mniej lub bardziej) geometryczne
Hipoteza cegiełek, k-ramienny bandyta, minimalny problem zwodniczy
FIGURY GEOMETRYCZNE Materiały do nauki.
Dodatkowe własności funkcji B-sklejanych zawężenie f do K Rozważmy funkcjeIch zawężenia do dowolnego przedziałutworzą układ wielomianów. Dla i=k ten układ.
Przybliżone metody rozwiązywania równań nieliniowych
Metody Lapunowa badania stabilności
AUTOMATYKA i ROBOTYKA (wykład 6)
Metody numeryczne SOWIG Wydział Inżynierii Środowiska III rok
Optymalizacja liniowa
Krzysztof Kucab Rzeszów, 2012
Obserwatory zredukowane
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
II Zadanie programowania liniowego PL
Krzysztof Kucab Rzeszów, 2012
ALGORYTMY OPTYMALIZACJI
Elementy Rachunku Prawdopodobieństwa i Statystyki
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zakładamy a priori istnienie rozwiązania α układu równań.
Wykład 2. Pojęcie regularnego odwzorowania powierzchni w powierzchnię i odwzorowania kartograficznego Wykład 2. Pojęcie regularnego odwzorowania powierzchni.
METODY NUMERYCZNE I OPTYMALIZACJA
Modelowanie matematyczne jako podstawa obliczeń naukowo-technicznych:
Metody iteracyjne rozwiązywania układów równań liniowych
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Miary efektywności/miary dobroci/kryteria jakości działania SSN
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Krzysztof Kucab Rzeszów, 2012
II. Matematyczne podstawy MK
Analiza matematyczna III. Funkcje Twierdzenia o funkcjach z pochodnymi
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
Sterowanie – metody alokacji biegunów II
Stabilność Stabilność to jedno z najważniejszych pojęć dynamiki systemów i teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym.
Źródła błędów w obliczeniach numerycznych
FUNKCJE Opracował: Karol Kara.
Szeregi funkcyjne dr Małgorzata Pelczar.
Rachunek różniczkowy funkcji jednej i wielu zmiennych
II Zadanie programowania liniowego PL
Ekonometryczne modele nieliniowe
Zagadnienia AI wykład 2.
Analiza numeryczna i symulacja systemów
Wydział Elektroniki PWr AiR III r. Metody numeryczne i optymalizacja Dr inż. Ewa Szlachcic Wykład 3 Właściwe minimum lokalne: Funkcja f(x) ma w punkcie.
Katedra Inżynierii Sterowania Komputerowe systemy sterowania i wspomagania decyzji 2015/2016 © Kazimierz Duzinkiewicz, dr hab. inż. 1 Dekompozycyjne metody.
1 Metody optymalizacji - Energetyka 2015/2016 Podstawy matematyczne metod optymalizacji © Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów.
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
FUNKCJE RÓŻNOWARTOŚCIOWE
Metody optymalizacji Wykład /2016
Metody optymalizacji Materiał wykładowy /2017
Metody optymalizacji Wykład 1b /2016
Teoria sterowania Wykład /2016
Problem ustalania grafiku ciąg dalszy
Hiperpowierzchnia energii potencjalnej cząsteczki
Własności asymptotyczne ciągów zmiennych losowych
Zapis prezentacji:

Technika optymalizacji Sformułowanie zadania optymalizacji nieliniowej bez ograniczeń: Funkcja celu f(x) : Zadanie optymalizacji polega na znalezieniu wektora zmiennych decyzyjnych x, należącego do zbioru rozwiązań dopuszczalnych Rn takiego, że dla Co jest równoznaczne zapisowi: Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic

Minimum lokalne i globalne funkcji f(x) Punkt stanowi minimum lokalne funkcji f(x) w przestrzeni Rn, jeżeli istnieje takie otwarte otoczenie punktu , że Przy czym jeśli zachodzi dla to istnieje wtedy ścisłe minimum lokalne. Punkt stanowi minimum globalne funkcji f(x) w przestrzeni Rn, jeżeli Przy czym jeśli zachodzi dla to ten punkt stanowi ścisłe minimum globalne. Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic

Zadanie programowania nieliniowego bez ograniczeń DEFINICJA. Kierunkiem d w przestrzeni Rn 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 Dowód: wynika z własności różniczki Gateaux. Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic

Zadanie programowania nieliniowego bez ograniczeń Twierdzenie. Niech będzie funkcją różniczkowalną . Jeśli minimalizuje funkcję f(x) tzn. Dowód: nie wprost. Punkt jest nazywany punktem stacjonarnym. Twierdzenie. Niech będzie funkcją wypukłą i różniczkowalną. Punkt stanowi minimum globalne funkcji dla każdego wtedy i tylko wtedy, gdy spełnia warunek Jest to warunek konieczny istnienia ekstremum lokalnego f(x) w punkcie Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic

Minimum globalne funkcji f(x) Twierdzenie: Jeśli będzie funkcją ściśle wypukłą i różniczkowalną, to wektor spełniający warunek konieczny jest jedynym minimum globalnym funkcji f(x). Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic

Warunki wystarczające optymalizacji dla zadania bez ograniczeń Funkcja f(x) jest funkcją ciągłą i dwukrotnie różniczkowalną. Posiada macierz drugich pochodnych (hesjan) - A Macierz A posiada ciąg podwyznaczników głównych Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic

Warunki stacjonarności dla zadania optymalizacji nieliniowej bez ograniczeń cd. Twierdzenie: Założono, że jest punktem stacjonarnym funkcji f(x). Wówczas zachodzą poniższe zależności: 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 Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic

Warunek stacjonarności: poprawić gradient i hesjan A Technika optymalizacji Warunek stacjonarności: poprawić gradient i hesjan A 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. warunek I rzędu dla warunek II rzędu Macierz A jest macierzą ściśle dodatnio określoną 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. Metody numeryczne i optymalizacji Dr inż. Ewa Szlachcic