Вы находитесь на странице: 1из 12

Міністерство освіти і науки України

Харківський національний університет радіоелектроніки


Кафедра програмної інженерії

Звіт
з лабораторної роботи №1
з теми «Методи одновимірної оптимізації та багатовимірної безумовної
оптимізації»
із дисципліни «Теорія оптимізації програмних систем»
Варіант №8

Виконав:
ст. гр. ІПЗм-20-4
Латиш А.С.

Перевірила:
Власенко Л.А.

Харків 2020
Теоретические задания
1. Наилучшее значение целевой функции одной переменной в экстремальных
точках.
Минимумом называют точку на функции, в которой значение функции
меньше, чем в соседних точках.
Максимумом называют точку на функции, в которой значение функции
больше, чем в соседних точках.
Также можно сказать, что в этих точках меняется направление движения
функции: если функция перестает падать и начинает расти – это точка
минимума, наоборот – максимума.
Минимумы и максимумы вместе именуют экстремумами функции.
В точках экстремумов (т.е. максимумов и минимумов) производная равна
нулю.

Наилучшее значение функции достигается в так называемых точках минимума


или максимума (экстремальных точках). Различают точки локального и
глобального экстремума. Для функции одной переменной математически
локальную экстремальную точку (локальный экстремум) можно определить
следующим образом. Точка 𝑥0 является точкой локального максимума
функции f(x), если выполняются неравенства f(𝑥0 - ∆x) ≤ f(𝑥0 ) ≥ f(𝑥0 + ∆x),
где ∆x – достаточно малое приращение значения переменной x. Точка x 0
является точкой локального минимума функции f(x), если соблюдается
неравенство f(𝑥0 - ∆x) ≥ f(𝑥0 ) ≤ f(𝑥0 + ∆x).

2. Необходимое условие локального экстремума целевой функции одной


переменной.
Рассмотрим необходимое условие локального экстремума. При достаточной
гладкости целевой функции, мы можем воспользоваться теоремой Ферма.
Если частная производная целевой функции обращается в ноль, то решив
уравнение, можно получить стационарные точки, это дает нам необходимое,
но недостаточное условие локального экстремума для дифференцируемой
функции.
Рассмотрим пример. Возьмем график функции 𝑓 (𝑥 ) = 𝑥 3

Рис. 1. График функции 𝑓(𝑥 ) = 𝑥 3


Пример иллюстрирует необходимый, но недостаточный характер условия.
𝑓 (𝑥 ) = 𝑥 3 , 𝑓 ′ (0) = 0, но 𝑥0 = 0 не является экстремумом.

3. Достаточное условие локального экстремума целевой функции одной


переменной: исследование первой производной целевой функции;
исследование второй производной целевой функции; исследование
производных более высоких порядков.

Пусть функция f(x) непрерывна в точке 𝑥0 и имеет конечную производную


f'(x) в некоторой окрестности точки 𝑥0 , за исключением быть может самой
точки х 0 . Тогда, если f'(x) при переходе точки х через 𝑥0 (слева направо)
изменяет знак с ” + ” на ”–”, то точка 𝑥0 – точка локального максимума
функции f(x) , а если с ”–” на ” + ”, то точка 𝑥0 – точка локального минимума.
Если же при переходе через точку 𝑥0 производная не меняет знак, то в точке
𝑥0 нет экстремума.
Пусть функция f(x) дважды дифференцируема в точке 𝑥0 , причем первая
производная равна нулю f’(𝑥0 ) = 0, а f''(𝑥0 ) > 0 (f''(𝑥0 ) < 0 ). Тогда точка 𝑥0 есть
точка локального минимума (локального максимума) функции f(x). Если же
𝑓 ′′ (𝑥0 ) = 0 ‒ то необходимо дальнейшее исследование производных более
высших порядков. Если первые (n ‒ 1) производных равны нулю и если f (n)
(𝑥0 ) ≠ 0, то в точке 𝑥0 функция имеет: точку перегиба, если n ‒ нечетное;
- минимум, если n ‒ четное и f (n) (𝑥0 ) > 0;
- максимум, если n ‒ четное и f (n) (𝑥0 ) < 0.
???

4. Локальные и глобальные экстремумы целевой функции нескольких


переменных 𝑓 (𝑥 ) = 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ).
Пусть целевая функция 𝑓 (𝑥 ) = 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) определена в некоторой
окрестности точки 𝑥0 = (𝑥10 , 𝑥20 , … , 𝑥𝑛0 )𝑡𝑟 . Говорят, что функция 𝑓(𝑥) имеет в
точке x0 локальный максимум (минимум), если существует такая окрестность
точки 𝑥0, в которой выполняется неравенство 𝑓(𝑥) ≤ 𝑓(𝑥0 ) (𝑓(𝑥) ≥ 𝑓(𝑥0 )).

Если функция имеет в точке 𝑥0 локальный максимум или локальный


минимум, то говорят также, что она имеет в этой точке локальный экстремум.
Функция 𝑓(𝑥) имеет в точке 𝑥0 глобальный максимум (минимум), если для
всех точек x из области определения 𝐷 ⊂ ℝ𝑛 целевой функции выполняется
неравенство 𝑓(𝑥) ≤ 𝑓(𝑥0 ) (𝑓(𝑥) ≥ 𝑓(𝑥0 )). Точки глобального максимума или
минимума есть точки глобального экстремума. В частности, область
определения 𝐷 целевой функции может совпадать со всем пространством ℝ𝑛 .

5. Постановка задачи безусловной многомерной оптимизации.


Пусть целевая функция f (x) определена на всем пространстве ℝ𝑛 . Задача
безусловной оптимизации – это поиск экстремальных точек 𝑥0 целевой
функции:
𝑒𝑥𝑡𝑟 𝑓 (𝑥 ) = 𝑓 (𝑥0 ), 𝑥 𝜖 ℝ𝑛
В частности, это либо задача отыскания глобального максимума целевой функции
max
𝑛
𝑓 (𝑥 ) = 𝑓(𝑥0 )

либо задача отыскания глобального минимума целевой функции
min
𝑛
𝑓 (𝑥 ) = 𝑓(𝑥0 )

6. Необходимое условие локального экстремума целевой функции


нескольких переменных 𝑓 (𝑥 ) = 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ). Стационарные точки и
градиент целевой функции.
𝜕𝑓 𝜕𝑓 𝜕𝑓
(𝑥0 ) = (𝑥0 ) = ⋯ = (𝑥 ) = 0
𝜕𝑥1 𝜕𝑥2 𝜕𝑥1 0
или равен нулю градиент функции (вектор, составленный из первых
производных)
𝑔𝑟𝑎𝑑 𝑓(𝑥0 ) = 0
Точки 𝑥0 , удовлетворяющие этому условию, называются стационарными, или
критическими, или подозрительными на экстремум.

7. Матрица Гессе целевой функции нескольких переменных f(x) = f(x1, x2, ... ,
xn ). Квадратичная форма, отвечающая матрице Гессе в стационарной точке.

Пусть функция f(x) имеет частные производные второго порядка в некоторой


окрестности стационарной точки 𝑥0 . Тогда в этой окрестности можно
определить матрицу Гессе:

Рассмотрим матрицу Гессе в стационарной точке 𝑥0 :


Обозначим элементы матрицы А:

С помощью матрицы А введем квадратичную форму:

Здесь < 𝐴𝑦 , y > обозначает скалярное произведение векторов 𝐴𝑦 и y.

8. Достаточное условие локального экстремума целевой функции нескольких


переменных 𝑓 (𝑥 ) = 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ).
Находим частные производные f(x) и решаем систему уравнений. Находим
станционарные точки. В этих точках будет находится экстремум.
Находим частные производные второго порядка и составляем матрицу Гессе.
Находим главные миноры и исследуем их на положительность или
отрицательность. Таким образом, в зависимости от результата, точка будет
либо минимумом либо максимумом.

9. Критерий Сильвестра знакоопределенности квадратичной формы.


Согласно теореме Сильвестра из теории квадратичных форм имеем:
1) для того, чтобы квадратичная форма Q(y) была строго положительно
определенной необходимо и достаточно, чтобы все главные миноры ее
матрицы были положительными: ∆1 > 0, ∆2 > 0, ... , ∆𝑛 > 0.
2) для того, чтобы квадратичная форма Q (y) была отрицательно определенной
необходимо и достаточно, чтобы знаки главных миноров ее матрицы
чередовались, начиная с минуса: ∆1 < 0, ∆2 > 0, ∆3 < 0, ... , (−1) n ∆𝑛 > 0.

Практические задания
1. Исследовать на локальный и глобальный экстремумы целевую функцию f(x)
и изобразить график целевой функции, если
2
𝑓 (𝑥 ) = 𝑥 (𝑥 − 2)3 , 0 ≤ 𝑥 ≤ 10
Для начала построим график функции на отрезке от 0 до 10
Рис. 2. График функции 𝑓(𝑥 ) на отрезке от 0 до 10

Находим первую производную:


2𝑥 2
y′ = 1 + (𝑥 − 2)
3
3(𝑥 − 2)3
1 2
2𝑥 3(𝑥 − 2)3(𝑥 − 2)3
y′ = 1 + 1
3(𝑥 − 2)3 3(𝑥 − 2)3
2𝑥 + 3𝑥 − 6 5𝑥 − 6
y′ = 1 = 1
3(𝑥 − )
2 3 3(𝑥 − 2)3
Приравниваем функцию к нулю
5𝑥 − 6
1 =0
3(𝑥 − 2)3
Производная равняется нулю если знаменатель либо числитель равняется
нулю:
5𝑥 − 6 = 0
6
𝑥=
5

1
3(𝑥 − 2)3 = 0
𝑥=2
В точке 𝑥 = 2 производная не определена, следовательно точка является
стационарная. Таким образом, у нас две стационарные точки.
Проверим выполнение достаточных условий в данных точках.

6
2
5
6 6
[0: ] [ : 2] [2: 10]
5 5

Подставляем значения с данных промежутков в производную.


5−6 −1 1
𝑓 ′ (1) = 1 = =
−3 3
3(1 − 2)3
5∗7
7 −6 1 1
𝑓′ ( ) = 5 = = −
5 1 3 ∗ (−0.8434) 2.53
7 3
3 ( − 2)
5
5∗3−6 9
𝑓 ′ (3) = 1 =3=3
3(3 − 2)3
6
При переходе через стационарную точку , знак производной поменялся с
5

плюса на минус, значит это точка локального максимума.


При переходе через стационарную точку 2, знак производной поменялся с
минуса на плюс, значит это точка локального минимума.

6
𝑥1 = , 𝑥2 = 2. Значения целевой функции в точках есть.
5
2
2
6 6 6 3 12
𝑓 ( ) = ∗ ( − 2) = , 𝑓 (2) = 2 ∗ (2 − 2)3 = 0
5 5 5 15

Так как присутствует ограничение на x, от 0 до 10, то по теории Вейерштрасса


функция достигает своих точных верхних и нижних границ, то есть
существует глобальный максимум и минимум.
Подставляем границы в функцию
2
𝑓 (0) = 0 ∗ (0 − 2)3 = 0

2
𝑓 (10) = 10(10 − 2)3 = 10 ∗ 4 = 40

2. Исследовать на локальные и глобальные экстремумы целевую функцию f(x)


= f(x1, x2) и изобразить график целевой функции, если
𝑓 (𝑥 ) = 𝑓 (𝑥1, 𝑥2 ) = −𝑥12 − 𝑥22 + 4𝑥1 + 6𝑥2
Построим график функции

Рис. 2. График функции 𝑓(𝑥1, 𝑥2 )


Найдем частные производные:
𝜕(𝑥) 𝜕(𝑥)
= −2𝑥1 + 4 = −2𝑥2 + 6
𝜕𝑥1 𝜕𝑥2

Решаем уравнения
−2𝑥1 + 4 = 0
−2𝑥2 + 6 = 0

𝑥1 = 2
𝑥2 = 3
Получили одну стационарную точку с координатами 𝑀 (2; 3)
Найдем частные производные второго порядка:
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
𝜕𝑥1 2 = −2 𝜕𝑥1 𝜕𝑥2
=0
𝜕𝑥22
= −2

Строим матрицу Гессе:


−2 0
𝐻 (𝑥1 , 𝑥2 ) = ( )
0 −2
Так как она стационарна, то она совпадает со своим значением в стационарной
точке:
−2 0
A= ( )
0 −2
Находим главные миноры ∆1и ∆2:
∆1= −2 < 0
∆2= −2 ∗ −2 − (0 ∗ 0) = 4 > 0
Вывод: в точке 𝑀(2; 3) матрица A отрицательно определена в силу теоремы
Сильвестра (для того, чтобы квадратичная форма была отрицательно
определенной, необходимо и достаточно, чтобы знаки угловых миноров
матрицы квадратичной формы чередовались, начиная со знака минус).
Поэтому целевая функция в этой точке имеет локальный максимум. Эта точка
также является точкой глобального максимума. Глобальный максимум равен:
max
2
𝑓 (𝑥1 , 𝑥2 ) = 𝑓(2, 3) = 13

Глобального минимума не существует. Имеем


inf 𝑓 (𝑥1, 𝑥2 ) = − ∞
ℝ2

Вам также может понравиться