|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Введение. Необходимость в оптимизации или поиске экстремумов функций возникает в самых разных практических задачахМетоды оптимизации Необходимость в оптимизации или поиске экстремумов функций возникает в самых разных практических задачах. Например, подбор уравнения, наилучшим образом описывающего экспериментальные данные, сводится к минимизации отклонений. В более общем случае сюда относятся все так называемые обратные задачи — определение параметров теоретических уравнений из условия наилучшего согласия с экспериментом. Принцип минимума или максимума некоторой величины (энергии, энтропии и т. д.) лежит в основе многих теорий, применяемых в физике и химии. Так, большинство расчетных методов квантовой химии основано на формулировке экстремальных задач (решаемых, правда, специальными методами). Методы минимизации применяются при теоретических расчетах геометрии молекул. Существуют способы расчета сложных химических равновесий путем непосредственной минимизации термодинамического потенциала. Наконец, следует упомянуть о такой практически важной области, как оптимизация технологических процессов (например, подбор условий, обеспечивающих максимальный выход продукта при наименьших затратах, минимальное количество примесей и т. п.) с помощью соответствующих математических моделей. Наиболее простым случаем оптимизации является оптимизация без ограничений (безусловная оптимизация). Это значит, что область, в которой могут меняться независимые переменные, не ограничена. С другой стороны, во многих реальных задачах присутствуют ограничения, выражаемые уравнениями или неравенствами. Например, химическое равновесие соответствует минимуму термодинамического потенциала при наложении на переменные дополнительных условий: при любых изменениях состава системы должно сохраняться количество каждого из химических элементов (так называемое условие баланса масс, записываемое в виде системы линейных уравнений); кроме того, количество любого вещества должно быть неотрицательным (ограничение, выражаемое системой неравенств). Нахождение экстремумов функций на множествах значений аргументов, ограниченных линейными или нелинейными уравнениями и неравенствами, является предметом самостоятельного раздела математики, называемого математическим программированием. Функцию, экстремум(ы) которой требуется найти, называют целевой функцией. В зависимости от характера целевой функции и ограничений различают целочисленное, выпуклое, линейное и нелинейное программирование. Многие методы решения задач нелинейного программирования сводят их к безусловной оптимизации некоторой модифицированной функции (таковы, например, метод неопределенных множителей Лагранжа и метод штрафных функций). Поэтому в первую очередь необходимо научиться проводить оптимизацию без ограничений. В рамках настоящего курса мы будем рассматривать только такие задачи. В дальнейшем, говоря об оптимизации, мы будем иметь в виду поиск минимума (минимизацию) функции. Любую задачу на нахождение максимума можно свести к минимизации простой заменой знака функции на противоположный. Практически все численные методы оптимизации требуют задания начального приближения для оптимизируемых параметров (независимых переменных). Если функция имеет несколько минимумов, то будет найден один из них — как правило, тот, который ближе других к выбранному начальному приближению. Чтобы найти все минимумы, оптимизацию повторяют многократно с разными начальными приближениями (при этом желательно заранее знать количество и ориентировочное положение искомых минимумов, в противном случае нет гарантии, что будут действительно найдены все решения). Глобальный минимум, отвечающий наименьшему значению функции, обычно получают, выбирая низший из найденных локальных минимумов. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.) |