task remove pages МОиИО22007

2
ОГЛАВЛЕНИЕ:
Практическое занятие №1.
Определение линейной зависимости векторов. 3
Решение задачи линейного программирования графическим и графоа-
налитическим методами 6
Решение задачи линейного программирования симплекс-методом и
средствами надстройки Excel „Поиск решения” 11
Решение двойственной задачи линейного программирования двойст-
венным симплекс-методом и средствами надстройки Excel «Поиск реше-
ния» 16
Решение задачи целочисленного программирования методом Гомори
22
Решение транспортной задачи методом потенциалов и средствами над-
стройки Excel «Поиск решения» 27
Решение задачи коммивояжера 35
Решение задачи квадратичного программирования методом Лагранжа и
средствами надстройки Excel «Поиск решения» 42
Модульная контрольная работа №1 48

Решение задачи одномерной оптимизации без ограничений 59
Построение и исследование линий уровня целевой функции двух пере-
менных 65
Решение задачи многомерной оптимизации без ограничений 69
Модульная контрольная работа №2 75
6
Тема: Решение задачи линейного программирования
графическим и графоаналитическим методами
Задание:
1. Перенести таблицу данных на лист рабочей книги.
2. Сформулировать и записать математическую модель.
3. Построить многоугольник решений.
4. Построить градиент целевой функции и линии уровня, проходящие
через вершины многоугольника решений.
5. Визуально определить координаты точки оптимума.
6. Уточнить координаты точки оптимума, решив систему уравнений.
7. Запишите файл с именем ФАМИЛИЯ_ПЗ_2.xls в папку
Localserver\Temp\Хилькова\МоиИО\Пз№2
8. Ответить на вопросы по теории.
Вопросы по теории:
1. Дайте определения плана и оптимального плана задачи
2. В чем заключается графический метод решения задачи линейного
программирования.
3. Опишите построение области ограничений при решении задачи
линейного программирования графическим методом.
4. Перечислите и графически изобразите 4 различные ситуации, ко-
торые могут возникнуть при решении задачи линейного програм-
мирования графическим методом.
5. Что такое градиент функции, опишите построение градиента
функции и линий уровня задачи линейного программирования.
6. Как графически определяется решение задачи линейного про-
граммирования.
7. В чем заключается графоаналитический метод решения задачи ли-
нейного программирования.
8. Опишите метод Крамера решения системы линейных уравнений.
9. Опишите матричный метод решения системы линейных уравне-
ний.
Условие:
Условия задач даны на листах „План” (для нечётных вариантов)
и „Корм” (для чётных вариантов) рабочей книги „Оптим_умови”
7
Пример выполнения
Проиллюстрируем выполнение работы на примере следующей задачи:
Найти максимум целевой функции
F = 30x1 + 40x2,
при наличии ограничений:
⎧ − x1 + x 2 ≤ 80
⎪
⎪⎪ 2x1 + 4 x 2 ≤ 300;
⎨ 4 x1 + 4 x 2 ≥ 120;
⎪3 x + 12x ≥ 252;
⎪ 1 2
⎩⎪ x1 ≥ 0; x 2 ≥ 0.
1. Построение многоугольника решений:

Для построения многоугольника решений нам потребуется сле-
дующая таблица:
8
В первые 5 столбцов записываются коэффициенты системы ог-
раничений. В подграфе графы “Значення” содержатся значения коор-
динат двух точек для построения граничной линии каждого из огра-
ничений. Т.к. общее уравнение граничной линии каждого ограничения
имеет вид: a1x1 + a2x2 = b, найдём две точки пересечения с координат-
ными осями:
b
С Ох2: х1=0, х 2 = ;
a2
b
С Ох1: х2 = 0, х 1 = .
a1
Если в силу вида прямой, данные точки не расположены в пер-
вом координатном углу, тогда студенту следует вместо нулевых зна-
чений подобрать другие значения.
Используя точечную диаграмму, строим многоугольник реше-
ний. Для того, чтобы отметить допустимую область каждого неравен-
ства пользуемся возможностями рисования в среде Excel. Выводим
панель инструментов: <Вид> → <Панели инструментов> → <Рисова-
ние>. Из меню автофигуры выбираем „Полилинию” при помощи ко-
торой отмечаем область ограничений.
2. Построение градиента и линий уровня

Рассчитываем координаты 2 точек градиента:
х1=0, х2=0
х1=с1, х2=с2
Строим вектор градиента, выделяем его на рисунке цветом, от-
личным от цвета других объектов.
Строим линии уровня вида: с1x1 + c2x2 = C для различных значе-
ний С. (На рисунке все линии уровня должны быть одного цвета, от-
личного от цвета других объектов). При расчётах координат точек ли-
C c1
нии уровня используем соотношение x 2 = − x1 .
c2 c2
По рисунку визуально определяем точку оптимума. У нас опти-
мальное решение получено при х1 = 150, х2 = 0 Fmax = 4500
9
3. Уточнение полученного решения графоаналитическим мето-

дом.
При уточнении решения данной задачи не требуется решения
системі двух уравнений, т.к. точка оптимума является точкой пересе-
чения прямой 2х1+4х2=300 с осью Ох1, т.е. достаточно в уравнение
подставить х2=0 и получить х1=150 => Fmax = 30⋅150 = 4500. Если точка
оптимума является точкой пересечения прямых, то необходимо ре-
шить систему двух уравнений с двумя неизвестными одним из извест-
11
Тема: Решение задачи линейного программирования
симплекс-методом и средствами надстройки Excel
„Поиск решения”
Задание:
1. Перенести таблицу данных на лист 1 рабочей книги.
2. Сформулировать и записать математическую модель.
3. Определить начальный план задачи и заполнить начальную сим-
плекс-таблицу.
4. Решить задачу симплекс-методом, для каждого шага рассчитать
симплекс-таблицу.
6. Решить задачу поиска оптимума с помощью надстройки Excel «По-
иск решения».
7. Сравнить найденное различными методами решение (графическим,
графоаналитическим, симплекс-методом и надстройка „Поиск реше-
ния”)
1. Дайте определения плана и оптимального плана задачи линейного
2. Опишите переход от задачи максимизации к задаче минимизации.
3. Опишите переход от ограничений-неравенств к ограничениям-
равенствам.
4. Опишите наложение условия неотрицательности.
5. Как определяется начальный опорный план задачи линейного про-
6. Опишите заполнение симплекс-таблицы.
7. Признак оптимальности опорного плана.
8. Опишите метод искусственного базиса, в каких случаях он приме-
няется?
9. Как с помощью преобразования Гаусса переходят от одной сим-
плекс-таблицы к другой.
12
10. Как выполнить поиск оптимального решения при решении задачи
линейного программирования при помощи надстройки Поиск ре-
шения.
Условие:
Пример выполнения:
Проиллюстрируем выполнение работы на примере следующей
задачи:
F = 30x1 + 40x2,
⎧ − x1 + x 2 ≤ 80
⎪
2x + 4 x ≤ 300;
⎪⎪ 4 x1 + 4 x2 ≥ 120;
⎨ 1 2
⎪3 x + 12x ≥ 252;
⎪ 1 2
⎪⎩ x1 ≥ 0; x 2 ≥ 0.
Решим данную задачу симплекс-методом
Перейдём к равенствам-ограничениям, получим задачу
Fmax = 30x1 + 40x2 + 0x3 + 0x4 + 0x5 + 0x6,
⎧ − x1 + x 2 + x 3 = 80
⎪
2x + 4 x + x = 300;
⎪⎪ 4 x1 + 4 x2 − x4 = 120;
⎨ 1 2 5
⎪3 x + 12x − x = 252;
⎪ 1 2 6
⎪⎩ x i ≥ 0; i = 1,6
Преобразуем систему ограничений
⎧− x1 + x 2 + x 3 = 80 ⎧− x1 + x 2 + x 3 = 80
⎪ ⎪
2x + 4 x + x = 300; 2x + 4 x + x = 300;
⎪⎪4 x1 + 4 x2 − x 4 = 120; ⎪⎪− 41x − 42x + 4x = −120;
⎨ 1 2 5 ⇔ ⎨ 1 2 5 ⇔
⎪3 x + 12x − x = 252; ⎪3 x + 12x − x = 252;
⎪ 1 2 6
⎪ 1 2 6
⎪⎩x i ≥ 0; i = 1,6 ⎪⎩x i ≥ 0; i = 1,6
Прибавим ко второму третье равенство
13
⎧− x1 + x 2 + x 3 = 80
⎪
⎪⎪2x1 + 4 x 2 + x 4 = 300;
⎨− x1 + 8 x 2 + x 5 − x 6 = 132;
⎪3 x + 12x − x = 252;
⎪ 1 2 6
⎪⎩x i ≥ 0; i = 1,6
Переменные x 3 , x 4 , x 5 - базисные, всего должно быть 4 базисные пе-
ременные (4 ограничения), поэтому методом искуссвенного базиса
вводим дополнительную переменную х7, которая заведомо в опти-
мальном плане задачи будет нулевой, перейдём к задаче:
Fmax = 30x1 + 40x2 + 0x3 + 0x4 + 0x5 + 0x6 – Mx7,
где М – большое положительное число, ограничения
⎧− x1 + x 2 + x 3 = 80
⎪
⎪⎪2x1 + 4 x 2 + x 4 = 300;
⎨− x1 + 8 x 2 + x 5 − x 6 = 132;
⎪3 x + 12x − x + x = 252;
⎪ 1 2 6 7
⎪⎩x i ≥ 0; i = 1,7
14
Решим данную задачу с помощью надстройки „Поиск ре-

шения”.
Заполним таблицу данных
Здесь только одна ячейка содержит формулу – это значение це-

левой функции.
Запускаем „Поиск решения”
15
Получим
Как видим решения всем методов совпали.

Переход на оглавление.
16
Тема: Решение двойственной задачи
линейного программирования двойственным
симплекс-методом и средствами надстройки
Excel „Поиск решения”
Задание:
2. Сформулировать и записать математическую модель начальной за-
дачи.
3. Сформулировать и записать для начальной задачи двойственную.
4. Решить двойственную задачу (для нечётных вариантов), исходную
задачу (для чётных вариантов) двойственным симплекс-методом, для
каждого шага рассчитать симплекс-таблицу.
6. Решить двойственную задачу поиска оптимума с помощью над-
стройки Excel «Поиск решения».
7. Сравнить решения начальной и двойственной задач линейного про-
граммирования. Сделать вывод.
2. Опишите переход от задачи максимизации к задаче минимизации.
3. Опишите переход от ограничений-неравенств к ограничениям-
равенствам.
4. Опишите наложение условия неотрицательности.
8. Опишите двойственный симплекс-метод, в чём его отличие от
простого симплекс-метода, в каких случаях он применяется?
9. В каких случаях двойственный симплекс-метод превращается в
простой симплекс-метод.
17
11. Как выполнить поиск оптимального решения при решении задачи
линейного программирования при помощи надстройки Поиск ре-
шения.
Условие:
Теоретические сведения:
Двойственная задача.
Двойственные задачи линейного программирования быва-
ют двух видов: симметричные и несимметричные. Математиче-
ские модели пары двойственных задач могут иметь один из ви-
дов, которые приведены в таблице:
№ Тип Исходная задача Двойственная задача

1 Несим. Zmin = C⋅X; fmax = Y⋅B;
A⋅X = B; Y⋅A ≤ C.
X ≥ 0.
2 Несим. Zmax = C⋅X; fmin = Y⋅B;
A⋅X = B; Y⋅A ≥ C.
X ≥ 0.
3 Симетр. Zmin = C⋅X; fmax = Y⋅B;
A⋅X ≥ B; Y⋅A ≤ C;
X ≥ 0. Y≥0
4 Симетр. Zmax = C⋅X; fmin = Y⋅B;
A⋅X ≤ B; Y⋅A ≥ C.
X ≥ 0. Y≥0
В несимметрических задачах на компоненти вектора Y не
накладается условие неотрицательности, они могут быть отри-
цательны.
18
Прежде чем записать двойственную задачу для исходной,
систему ограничений исходной задачи приводят к одному из 4-х
видов.
Двойственный симплекс-метод.
Иногда решение задачи линейного программирования было бы
намного проще, если бы можно было иметь отрицательные значения
свободных членов. Именно в этих случаях и используется двойствен-
ный симплекс-метод. Он лишь на начальных шагах отличается от
обычного симплекс-метода, как только все свободные члены стано-
вятся положительны, двойственный симплекс-метод превращается в
обычный симплекс-метод.
Решение задачи линейного программирования двойственным
симплекс - методом состоит из двух шагов:
Первый шаг – это избавление от отрицательных свободных чле-
нов, т.е. по сути дела – это составление начального плана исходной
задачи, отвечающего всем условиям симплекс-метода.
Второй шаг – это оптимизация опорного плана. Второй шаг реа-
лизуется с помощью обычного симплекс-метода.
Рассмотрим реализацию двойственного симплекс-метода на
примере.
задачи:
Fmax = 30x1 + 40x2,
⎧ − x1 + x 2 ≤ 80
⎪
⎪⎪ 2x1 + 4 x 2 ≤ 300;
⎨ 4 x1 + 4 x 2 ≥ 120;
⎪3 x + 12x ≥ 252;
⎪ 1 2
⎪⎩ x1 ≥ 0; x 2 ≥ 0.
Исходная задача – это симметрическая задача 4 типа. При-
ведём все неравенства-ограничения к виду „≤":
19
⎧ − x1 + x 2 ≤ 80 ⎧ − x1 + x 2 ≤ 80
⎪ ⎪
⎪⎪ 2 x 1 + 4 x 2 ≤ 300 ⎪⎪ 2x1 + 4 x 2 ≤ 300
4
⎨ 1 x + 4 x 2 ≥ 120 ⋅ ( −1) ⇒ ⎨ − 4 x1 − 4 x 2 ≤ −120
⎪3 x + 12x ≥ 252 ⋅ ( −1) ⎪− 3 x − 12x ≤ −252
1 2
⎪ 1 2 ⎪
⎪⎩ x1 ≥ 0; x2 ≥ 0 ⎪⎩ x1 ≥ 0; x2 ≥ 0
Составим к исходной задаче двойственную:
Найти минимум целевой функции:
Lmin = 80 y1 + 300 y 2 − 120 y 3 − 252 y 4
при ограничениях:
⎧− y1 + 2y 2 − 4 y 3 − 3 y 4 ≥ 30
⎪
⎨y1 + 4 y 2 − 4 y 3 − 12y 4 ≥ 40
⎪
⎩y i ≥ 0, i = 1,4
Двойственная задача составлена, умножим каждое нера-
венство - ограничение на -1, чтобы все неравенства были типа
„≤”
⎧− y1 + 2y 2 − 4 y 3 − 3 y 4 ≥ 30 ⋅ ( −1) ⎧y − 2y + 4 y + 3 y ≤ −30
1 2 3 4
⎪⎪ ⎪
⎨y1 + 4 y 2 − 4 y 3 − 12y 4 ≥ 40 ⋅ ( −1) ⇒ ⎨− y1 − 4 y 2 + 4 y 3 + 12 y 4 ≤ −40
⎪ ⎪
⎪⎩y i ≥ 0, i = 1,4 ⎩y i ≥ 0, i = 1,4
Вводим новые переменные у5, у6 и перейдём к равенствам-
ограничениям.
L min = 80 y1 + 300 y 2 − 120 y 3 − 252 y 4 + 0 y 5 + 0 y 6
⎧y1 − 2y 2 + 4 y 3 + 3 y 4 + y 5 = −30
⎪
⎨− y1 − 4 y 2 + 4 y 3 + 12y 4 + y 6 = −40
⎪
⎩y i ≥ 0, i = 1,6
Решим данную задачу двойственным симплекс-методом
Переменные у5, у6- базисные, им соответствуют единичные столбцы.
Составим начальную симплекс-таблицу:
20

шения”.
Заполним таблицу данных
21
Здесь значения левой части и целевая функция рассчитываются

по формулам.
Получим
Как видим решения обоих методов совпали, кроме того решение

двойственной задачи и решение прямой задачи также совпада-
ют.
22
Тема: Решение задачи целочисленного
программирования методом Гомори
Задание:
1. Перенести таблицу данных и решение задачи симплеск-методом
(ПЗ №3) на лист 1 рабочей книги.
2. Составить дополнительные ограничения для переменной, которая в
оптимальном плане, найденном симплекс-методом имеет максималь-
ное дробное значение.
3. Двойственным симплекс-методом находят решение задачи, полу-
ченной из начальной в результате присоединения дополнительного
столбца.
4. Продолжайте итерационный процесс добавления дополнительных
ограничений до получения оптимального целочисленного плана зада-
чи.
5. Опишите двойственный симплекс-метод, в чём его отличие от
простого симплекс-метода, в каких случаях он применяется?
6. В каких случаях двойственный симплекс-метод превращается в
простой симплекс-метод.
8. Алгоритм метода Гомори решения задачи целочисленного про-
9. Что собой представляют дополнительные ограничения?
23
Условие:
n
Требуется найти максимум функции F = ∑ c j x j при ограни-
j =1
чениях:
⎧n
⎪ ∑ aij x j = bi (i = 1,m)
⎪ j =1
⎪
⎨x j ≥ 0 (j = 1,n)
⎪x − целое
⎪ j
(j = 1,n)
⎪⎩
Алгоритм метода Гомори:
1. Используя симплекс-метод, находят решение задачи без учёта
требования целочисленности переменных.
n
2. Составляют дополнительное ограничение ∑ f (aij *)x j ≥ f (bi *) , где
j =1
aij *, bi * - преобразованные исходные величины aij, bi значения
которых взяты из последней симплекс-таблицы, а f (aij *), f (bi *) -
дробные части чисел (под дробной частью числа а понимается
понимается наименьшее неотрицательное число b такое, что
разность между а и b есть целое) для переменной, которая в оп-
тимальном плане задачи имеет максимальное дробное значение.
3. Используя двойственный симплекс-метод, находят решение
задачи, полученной из исходной в результате добавления до-
полнительного ограничения.
4. В случае необходимости составляют ещё одно дополнитель-
ное ограничение и продолжают итерационный процесс до полу-
чения оптимального плана задачи целочисленного программи-
рования или установления её неразрешимости.
24
задачи:
Fmax = 3x1 + 2x2,
⎧
⎪x1 + x 2 + x 3 = 13
⎪x − x + x = 6
1 2 4
⎪⎪
⎨− 3 x1 + x 2 + x 5 = 9
⎪
(
⎪x j ≥ 0 j = 1,5 )
⎪
(
⎪⎩x j − целые j = 1,5 )
Решим задачу симплекс методом
25
Перейдём на второй лист рабочей книги

26
27
Тема: Решение транспортной задачи
методом потенциалов и средствами надстройки
Задание:
2. Заполнить начальный опорный план методом северо-западного уг-
ла. Найти значение целевой функции.
3. Заполнить начальный опорный план методом минимальной стоимо-
сти.
4. Результаты обоих методов сравнить. Лучший опорный план (с
меньшей стоимостью) взять в качестве начального для метода потен-
циалов. Скопировать лучший план на лист 2 рабочей книги.
5. Решить задачу методом потенциалов.
6. Решить транспортную задачу поиска оптимума с помощью над-
стройки Excel «Поиск решения».
7. Сравнить решения задачи разными методами. Сделать вывод.
1. Математическая постановка транспортной задачи.
2. Открытая и закрытая модель транспортной задачи.
3. Дайте определения плана и оптимального плана транспортной за-
дачи.
4. Метод северо-западного угла построения начального опорного
плана транспортной задачи.
5. Метод минимальной стоимости построения начального опорного
плана транспортной задачи.
6. Метод потенциалов определения оптимального плана транспорт-
ной задачи.
7. Реализация метода потенциалов в Excel.
8. Как выполнить поиск оптимального решения при помощи над-
стройки Поиск решения.
28
Условие:
Условия задач даны на листе „Транспортная задача” рабочей
книги „Оптим_умови”
1. Математическая постановка задачи. Общая постановка
транспортной задачи состоит в определении оптимального плана пе-
ревозок некоторого однородного груза из m пунктов отправления А1,
А2, …, Аm в n пунктов назначения В1, В2, …, Вn. При этом в качестве
критерия оптимальности обычно берется минимальная стоимость пе-
ревозок всего груза. Обозначим через сij тарифы перевозки единицы
груза из i-го пункта отправления в j-ый пункт назначения, через аi –
запасы груза в i-ом пункте отправления, через bi – потребности в грузе
в j-ом пункте назначения, а через xij – количество единиц груза, пере-
возимого из i-го пункта отправления в j-ый пункт назначения. Тогда
математическая постановка задачи состоит в определении минималь-
ного значения функции
m n
F= ∑ ∑ cij xij (1)
i =1j =1
m ______
при условиях ∑ xij = b j (j=1,n) (2)
i =1
n _______
∑ xij = ai (i=1,m) (3)
j =1
(
х ij ≥ 0 i = 1, m; j = 1, n ) (4)
Поскольку переменные ( )
х ij i = 1, m; j = 1, n удовлетворяют систе-
мам линейных уравнений (2) и (3) и условию неотрицательности (4),
обеспечиваются доставка необходимого количества груза в каждый из
пунктов назначения, вывоз имеющегося груза из всех пунктов отправ-
ления, а также исключаются обратные перевозки.
Всякое неотрицательное решение систем линейных уравне-
ний (2) и (3), определяемое матрицей Х =(xij) (i=1,m; j=1,n), называется
планом транспортной задачи.
29
План Х*=(x*ij)(i=1,m;j=1,n) при котором функция (1) прини-
мает свое минимальное значение, называется оптимальным планом
транспортной задачи.
Если общая потребность в грузе в пунктах назначения равна за-
пасу груза в пунктах отправления, т.е.
m n
∑ ai = ∑ b j (5)
i=1 j=1
то модель такой транспортной задачи называется закрытой. Если же
указанное условие не выполняется, то модель транспортной задачи
называется открытой.
2. Метод северо–западного угла построения начального опор-
ного плана. При нахождении опорного плана транспортной задачи
методом северо-западного угла на каждом шаге рассматривают пер-
вый из оставшихся пунктов отправления и первый из оставшихся
пунктов назначения. Заполнение клеток таблицы условий начинается
с левой верхней клетки для неизвестного х11 («северо-западный угол»)
и заканчивается клеткой для неизвестного хmn, т.е. идет как бы по
диагонали таблицы.
3. Метод минимального элемента построения начального опор-
ного плана. Выбор пунктов назначения и отправления целесообразно
производить, ориентируясь на тарифы перевозок, а именно: на каждом
шаге следует выбирать какую-нибудь клетку, отвечающую минималь-
ному тарифу (если таких клеток несколько, то следует выбирать лю-
бую из них), и рассмотреть пункты назначения и отправления, соот-
ветствующие выбранной клетке. Сущность метода минимального
элемента и состоит в выборе клетки с минимальным тарифом.
4. Проверка оптимальности плана. Метод потенциалов.
По ненулевым ячейкам считаем потенциалы по формуле α i + β j = c ij –
сумма потенциалов равна стоимости. Пусть α1=1. Чтобы проверить
оптимальность плана, для нулевых ячеек считаем оценки
∆ ij = c ij − α i − β j . План не оптимален, если в плане есть отрицательные
оценки (при поиске минимума) или положительные оценки при поис-
ке максимума. Вводим в план элемент с максимальной по модулю от-
рицательной (положительной для минимума) оценкой. Проверяем оп-
тимальность плана. Выполняем данные действия до тех пор, пока все
30
оценки не станут положительными для максимума (отрицательными
для минимума).
задачи:
Пять предприятий данного экономического сектора для изготов-
ления продукции используют однородное сырьё. Потребности в сырье
каждого предприятия соответственно равны b1, b2, b3, b4, b5 единиц.
Сырьё сосредоточено на четырёх складах, запасы соответственно рав-
ны а1, а2, а3, a4 единиц. На каждое из предприятий сырьё может быть
доставлено с любого из складов. Составить план перевозок при кото-
ром общая стоимость плана будет минимальной.
31
Перейдём на второй лист рабочей книги для вычисления

оптимального опорного плана методом потенциалов, начальный
опорный план построен методом минимальной стоимости. Все
расчётные значения такие как запасы, потребности, потенциалы
и оценки расчитаны по формулам.
32

шения”.
Заполним таблицы данных на листе 3:
33
Здесь значения левой части и целевая функция рассчитываются

по формулам.
Получим
34
Как видим решения обоих методов совпали.

35
Тема: Решение задачи коммивояжера
методами перебора, ветвей и границ и Монте-Карло.
Задание:
1 Выписать матрицу задачи, заменив символ бесконечности
значением 1000.
2 На листе 1 методом перебора: найти стоимость произволь-
ных пяти туров, например T1=(1,2,3,4,5,6,1),
T2=(1,2,6,3,5,4,1), T3=(1,6,3,2,4,5,1), T4=(1,3,2,5,6,4,1),
T5=(1,2,4,3,5,6,1). Для каждого тура скопировать матрицу
стоимостей и выделить тур цветом.
3 На листе 2 решить задачу методом ветвей и границ:
a. Выписать матрицу задачи.
b. Найти минимальные элементы каждой строки (для
поиска минимума использовать встроенную
функцию), выполнить приведение по строкам (ре-
зультат записать в новую матрицу).
c. Найти минимальные элементы каждого столбца
(для поиска минимума использовать встроенную
функцию), выполнить приведение по столбцам
(результат записать в новую матрицу).
d. Просуммировать константы приведения.
e. В отдельной матрице сделать оценку всех 0, для
поиска минимального значения строк и столбцов
использовать функцию МИН().
f. «Вычеркнуть» строку и столбец с максимальным
нулевым элементом, вернуться к пункту а.
g. После получения оптимального пути, рассчитать
его стоимость.
4 Сравнить результаты метода перебора и метода ветвей и
границ. Сделать выводы.
5 Задание на отличную оценку: написать программу решения
задачи коммивояжёра методом Монте-Карло.
6 Ответить на вопросы.
36
1. Какие задачи относятся к комбинаторным?
2. Общая постановка задачи коммивояжера.
3. Какие условия должны выполняться для задачи коммивоя-
жера?
4. Какая задача называется симметричной?
5. Что такое тур?
6. Как определить стоимость тура?
7. Представление задачи коммивояжера в виде графа.
8. Какой граф называется полным?
9. Что такое гамильтонов путь в графе?
10. В чём заключается метод Монте-Карло решения задачи
коммивояжера?
11. В чём заключается метод ветвей и границ?
12. Как привести матрицу по строкам?
13. Как привести матрицу по столбцам?
14. Чему равны константы приведения?
15. Как рассчитать оценки нулевых значений?
37
Условие:
Условия задач даны на листе „Задача коммивояжёра” рабочей
книги „Оптим_умови”
задачи:
Коммивояжер вышел из первого города и должен, посетив ещё 4
города, вернуться в город №1. Дана матрица стоимости проезда между
городами 1-5.
1 2 3 4 5
1 ∞ 7 5 3 6
2 7 ∞ 9 1 2
3 5 9 ∞ 14 1
4 3 1 14 ∞ 9
5 6 2 1 9 ∞
Перенесём матрицу стоимости проезда между городами на лист
1 рабочей книги. Заменив значения ∞ значением 1000. Найдём стои-
мости различных любых пяти туров.
38
Перейдём на лист 2 рабочей книги, решим задачу коммивояжера

методом ветвей и границ:
39
Для данной матрицы приведение по строкам и столбцам не вы-

полняется. Т.к. в каждой строке и столбце есть нулевое значение.
Дополняем тур коммивояжера ячейками (4,1) и (5,2), получим
тур Т=(1,3,5,2,4,1), его стоимость равна сумме всех констант приведе-
40
ния ∑=12, что значительно меньше стоимости всех ранее рассмотрен-
ных туров.
На третьем листе приведу пример решения этой задачи методом
Монте-Карло. Блок – схема метода.
Начало
Ввод N – чис-
ло испытаний
Выполняем 1-ое ис-

пытание, длину 1-го
тура записываем в D.
Тур записываем в Т
i=1
i<=N
Выполняем i-ое
испытание, длину i-го
тура записываем в Di.
i=i+1
Di<D
i-ый тур записываем в Т

D=Di
Печать тура Т
и его длины D
Конец
41
...
Как видим результаты различных методов совпали, стоимость

оптимального тура равна 12.
42
Тема: Решение задачи квадратичного программирования
методом Лагранжа и средствами надстройки
Задание:
2. Записать математическую модель задачи.
Составить функцию Лагранжа.
3. Записать необходимые и достаточные условия существования сед-
ловой точки для функции Лагранжа.
4. Используя метод искусственного базиса, либо устанавливают от-
сутствие седловой точки, либо находят её координаты.
5. Записывают оптимальное решения исходной задачи и находят зна-
чение целевой функции.
6. Решить задачу квадратичного программирования поиска оптимума
с помощью надстройки Excel «Поиск решения».
7. Сравнить решения задачи разными методами. Сделать вывод.
1. Математическая постановка задачи нелинейного программирова-
ния.
2. Функция Лагранжа нелинейной задачи.
3. Задача выпуклого программирования.
4. Определение выпуклой функции.
5. Определение вогнутой функции.
6. Условие регулярности множества.
7. Определение седловой точки.
8. Теорема Куна – Таккера о седловой точке.
9. Как выполнить поиск оптимального решения при помощи над-
стройки Поиск решения.
43
Условие:
Найти максимальное значение функции
f = c1x1 + c 2 x 2 + c 3 x12 + c 4 x 2 2
при условиях
⎧a11x1 + a12 x 2 ≤ b1
⎨
⎩a 21x1 + a 22 x 2 ≤ b 2
Значения коэффициентов для вариантов:

№ с1 с2 с3 с4 а11 а12 b1 а21 а22 b2
1 6 7 -8 -4 6 1 19 7 10 5
2 4 10 -8 -7 2 4 14 9 7 16
3 5 9 -2 -3 2 3 15 1 4 4
4 10 0 -7 -2 5 5 16 9 2 16
5 8 1 -4 -3 0 10 3 3 0 7
6 4 6 -4 -3 7 1 3 2 10 2
7 10 10 -6 -7 6 0 18 5 9 10
8 6 6 -9 -2 7 2 4 0 10 14
9 2 2 -8 -10 5 8 15 5 3 8
10 6 8 -5 -9 2 7 4 4 1 5
11 3 6 -2 -2 6 0 6 1 2 8
12 7 8 -6 -9 4 10 5 7 3 15
13 0 1 -2 -2 9 7 14 8 10 17
14 9 9 -4 -2 1 1 7 3 6 5
15 7 7 -6 -6 2 2 5 4 7 16
16 6 4 -1 -3 10 3 9 5 10 11
17 9 2 -5 -3 1 1 8 0 6 20
18 8 9 -3 -4 9 2 9 4 3 15
19 2 8 -3 -10 4 7 5 7 10 13
20 5 7 -9 -6 9 6 4 8 8 2
21 5 1 -1 -7 5 3 0 1 3 3
22 2 2 -3 -2 5 8 9 10 10 16
23 8 5 -2 -8 8 8 13 9 3 4
24 0 8 -6 -1 9 2 15 9 4 3
25 9 8 -1 -8 7 0 11 4 8 9
26 5 6 -8 -8 6 1 1 3 8 18
44
№ с1 с2 с3 с4 а11 а12 b1 а21 а22 b2
27 6 0 -3 -1 1 3 8 4 8 6
28 9 1 -7 -2 7 0 10 8 3 0
29 7 4 -4 0 8 7 10 4 1 9
30 9 3 -2 -2 3 6 16 6 4 6
Теорема Куна-Таккера.
Для задачи выпуклого программирования, область допустимых
решений которой обладает свойством регулярности, X0 = x10 , x 02 ,..., xn0 ( )
является оптимальным планом тогда и только тогда, когда существует
( )
такой вектор Λ0 = λ01, λ02 ,..., λ0m λ i ≥ 0 (i = 1, m) , что (Х0, Л0) – седловая
точка функции Лагранжа.
Для непрерывно дифференцируемых функций f и gi седловая
точка (Х0, Л0) определяется следующими аналитическими выраже-
ниями:
⎧ ∂L 0
⎪ ∂x ≤ 0 ( j = 1, n)
⎪ j
⎪ 0 ∂L 0
⎪x j ⋅ ∂x = 0 ( j = 1, n)
⎪ j
⎪ x 0j ≥ 0 ( j = 1, n)
⎨
⎪ ∂L 0 ≥ 0 (i = 1, m)
⎪ ∂λ i
⎪
⎪ λ0i ⋅ ∂L 0 = 0 (i = 1, m)
⎪ ∂λ i
⎪ y0 ≥ 0 (i = 1, m)
⎩ i
Задача, состоящая в определении максимального (минималь-

n n n
ного) значения функции f ( x ) = ∑ d jx j + ∑∑ ckj xk x j при ограничени-
j =1 k =1 j =1
n n n
ях ∑ (
aij x j ≤ bi i = 1, m ) ( )
x j ≥ 0 j = 1, n , где ∑∑ ckj xk x j – отрицательно
j =1 k =1 j =1
45
(положительно) полуопределённая квадратичная форма, называется
задачей квадратичного программирования.
Для сформулированной задачи квадратичного программирова-
ния функция Лагранжа запишется в виде:
n n n ⎛ n ⎞
⎜ ⎟
L= ∑ d jx j + ∑∑ c kj x k x j + λ i ⎜ bi −
⎜
∑ aij x j ⎟ , условия теоремы Куна –
⎟
j =1 k =1 j =1 ⎝ j =1 ⎠
Таккера, записанные для задачи квадратичного программирования,
записанные с дополнительными переменными, трансформирующими
неравенства в равенства, имеют следующий вид
⎧ ∂L 0
⎪ ∂x + v j = 0 ( j = 1, n)
⎪ j
⎪ x 0j ⋅ v j = 0 ( j = 1, n)
⎨
⎪ ∂L 0 − w = 0 (i = 1, m)
⎪ ∂λ i i
⎪ 0
⎩ λi ⋅ w i = 0 (i = 1, m)
x 0j , y i0 , v j, w i ≥ 0, (i = 1, m, j = 1, n)
Т.о., чтобы найти решение задачи квадратичного программиро-
вания, нужно определить неорицательное решение систем линейных
уравнений (2),
Алгоритм нахождения решения задачи квадратичного програм-
мирования:
1. Записать функцию Лагранжа.
2. Записать в виде выражений (2) необходимые и достаточные усло-
вия существования Седловой точки для функции Лагранжа.
3. Используя метод искусственного базиса, либо устанавливают от-
сутствие Седловой точки для функции Лагранжа, либо находят её
координаты.
4. Записывают оптимальное решение исходной задачи и находят зна-
чение целевой функции.
Найти максимальное значение функции
f = 2x1 + 4 x 2 − x12 − 2x 22
при ограничениях
46
⎧x1 + 2x 2 ≤ 8
⎪
⎨2x1 − x 2 ≤ 12
⎪x , x ≥ 0
⎩ 1 2
Функция вогнута, т.к. матрица вторых производных функции положи-
тельно определена.
Первые производные функции:
∂f
= 2 − 2 x1
∂x1
∂f
= 4 − 4x 2
∂x 2
Матрица вторых производных:
⎛− 2 0 ⎞
Г = ⎜⎜ ⎟⎟
⎝ 0 − 4⎠
−2 0
− 2 < 0; =8>0
0 −4
Область ограничений выпукла, т.к. включает только линейные нера-
венства.
Воспользуемся теоремой Куна-Таккера, составим функцию Лагранжа:
L = 2x1 + 4 x 2 − x12 − 2x 22 + λ1(8 − x1 − 2x 2 ) + λ 2 (12 − 2x1 − x 2 )
Запишем для этой функции систему неравенств (9) – необходимые и
достаточные условия существования седловой точки построенной
функции:
⎧ ∂L 0
⎪ ∂x + v1 = 2 − 2x1 − λ1 − 2λ 2 + v1 = 0
⎪ 1
⎪ ∂L 0
⎪ + v 2 = 4 − 4 x 2 − 2λ1 − λ 2 + v 2 = 0
⎪ ∂x 2
⎪⎪ ∂L 0
⎨ − w 1 = 8 − x1 − 2 x 2 − w 1 = 0
⎪ ∂λ1
⎪ ∂L 0
⎪ − w 2 = 12 − 2x1 − x 2 − w 2 = 0
⎪ ∂λ 2
⎪ 0 0 0 0
⎪x1 ⋅ v1 = 0, x 2 ⋅ v 2 = 0, λ1 ⋅ w 1 = 0, λ 2 ⋅ w 2 = 0,
⎩⎪
x1, x 2 , λ1, λ 2 , v1, v 2 , w 1, w 2 ≥ 0
47
Преобразуем систему ограничений к виду
⎧2x1 + λ1 + 2λ 2 − v1 = 2
⎪
⎪4 x 2 + 2λ1 + λ 2 − v 2 = 4
⎪
⎨ x1 + 2 x 2 + w 1 = 8
⎪2x + x + w = 12
⎪ 1 2 2
⎪x 0 ⋅ v = 0, x 0 ⋅ v = 0, λ0 ⋅ w = 0, λ0 ⋅ w = 0,
⎩ 1 1 2 2 1 1 2 2
x1, x 2 , λ1, λ 2 , v1, v 2 , w1, w 2 ≥ 0
Нам нужно найти такие значения переменных
x1, x 2 , λ1, λ 2 , v1, v 2 , w1, w 2 , чтобы они удовлетворяли данной системе
уравнений. Данную систему уравнений можно решить симплекс-
методом. Здесь переменные w1, w 2 являются базисными, но для ре-
шения задачи симплекс –методом необходимо 4 базисные переменные
(по числу уравнений в задаче), вводим новые базисные переменные
z1, z 2 , целевую функцию составляем таким образом, чтобы новые пе-
ременные z1, z 2 в оптимальном решении были равны 0 и решаем сим-
плекс-методом задачу искуссвенного базиса
F = −Mz1 − Mz 2 → max
при ограничениях
⎧2x1 + λ1 + 2λ 2 − v1 + z1 = 2
⎪
⎪4 x 2 + 2λ1 + λ 2 − v 2 + z 2 = 4
⎪
⎨x1 + 2x 2 + w1 = 8
⎪2x + x + w = 12
⎪ 1 2 2
⎪x 0 ⋅ v = 0, x 0 ⋅ v = 0, λ0 ⋅ w = 0, λ0 ⋅ w = 0,
⎩ 1 1 2 2 1 1 2 2
x1, x 2 , λ1, λ 2 , v1, v 2 , w1, w 2 ≥ 0
48
МОДУЛЬНАЯ КОНТРОЛЬНАЯ РАБОТА №1
1 вопрос: Теория
1. Общая характеристика комбинаторных задач.
2. Формулировка задачи коммивояжера.
3. Представление задачи коммивояжера в виде графа.
4. Применение метода Монте-Карло решения задачи коммивояжера.
5. Применение метода перебора решения задачи коммивояжера.
6. Сведение задачи коммивояжера к задаче целочисленного линейно-
го программирования.
7. Решение задачи коммивояжера методом ветвей и границ.
8. Классический метод определения условного экстремума.
9. Экономическая и геометрическая интерпретации задачи нелиней-
ного программирования.
10. Графический метод решения задачи нелинейного программирова-
ния.
11. Алгоритм графического метода решения задачи нелинейного про-
12. Метод множителей Лагранжа решения классической задачи опти-
мизации.
13. Алгоритм метода Лагранжа решения классической задачи оптими-
зации.
14. Задача выпуклого программирования.
15. Поиск Седловой точки задачи нелинейного программирования.
Теорема Куна-Таккера.
16. Задача квадратичного программирования.
17. Квадратичные формы. Их свойства.
18. Теорема про определители матрицы квадратичной формы и её
применение.
19. Решение задачи квадратичного программирования методом Ла-
гранжа.
20. Алгоритм симплекс-метода.
21. Метод искусственного базиса.
2 вопрос: Задача коммивояжера

Дана матрица расстояний между четырьмя городами. Комми-
вояжер выходит из первого города, обходит по 1 разу все 4 города и
49
возвращается в первый город. Решить задачу коммивояжера методом
ветвей и границ
1.
1 2 3 4
1 ∞ 9 9 5
2 9 ∞ 4 3
3 9 4 ∞ 5
4 5 3 5 ∞
2.
1 2 3 4
1 ∞ 2 1 0
2 2 ∞ 8 2
3 1 8 ∞ 8
4 0 2 8 ∞
3.
1 2 3 4
1 ∞ 6 4 8
2 6 ∞ 4 2
3 4 4 ∞ 4
4 8 2 4 ∞
4.
1 2 3 4
1 ∞ 6 5 1
2 6 ∞ 9 9
3 5 9 ∞ 10
4 1 9 10 ∞
50
5.
1 2 3 4
1 ∞ 6 3 8
2 6 ∞ 5 4
3 3 5 ∞ 7
4 8 4 7 ∞
6.
1 2 3 4
1 ∞ 6 2 5
2 6 ∞ 9 7
3 2 9 ∞ 7
4 5 7 7 ∞
7.
1 2 3 4
1 ∞ 5 6 1
2 5 ∞ 6 9
3 6 6 ∞ 1
4 1 9 1 ∞
8.
1 2 3 4
1 ∞ 3 4 5
2 3 ∞ 1 9
3 4 1 ∞ 1
4 5 9 1 ∞
51
9.
1 2 3 4
1 ∞ 4 0 2
2 4 ∞ 5 3
3 0 5 ∞ 3
4 2 3 3 ∞
10.
1 2 3 4
1 ∞ 8 2 4
2 8 ∞ 7 7
3 2 7 ∞ 2
4 4 7 2 ∞
11.
1 2 3 4
1 ∞ 0 5 2
2 0 ∞ 8 7
3 5 8 ∞ 8
4 2 7 8 ∞
12.
1 2 3 4
1 ∞ 5 1 4
2 5 ∞ 9 3
3 1 9 ∞ 9
4 4 3 9 ∞
52
13.
1 2 3 4
1 ∞ 5 6 2
2 5 ∞ 4 1
3 6 4 ∞ 3
4 2 1 3 ∞
14.
1 2 3 4
1 ∞ 8 7 7
2 8 ∞ 10 4
3 7 10 ∞ 6
4 7 4 6 ∞
15.
1 2 3 4
1 ∞ 2 5 1
2 2 ∞ 8 4
3 5 8 ∞ 3
4 1 4 3 ∞
16.
1 2 3 4
1 ∞ 6 4 1
2 6 ∞ 6 4
3 4 6 ∞ 8
4 1 4 8 ∞
53
17.
1 2 3 4
1 ∞ 8 1 9
2 8 ∞ 5 8
3 1 5 ∞ 6
4 9 8 6 ∞
18.
1 2 3 4
1 ∞ 7 10 3
2 7 ∞ 7 9
3 10 7 ∞ 7
4 3 9 7 ∞
19.
1 2 3 4
1 ∞ 4 6 9
2 4 ∞ 10 10
3 6 10 ∞ 6
4 9 10 6 ∞
20.
1 2 3 4
1 ∞ 4 6 10
2 4 ∞ 3 4
3 6 3 ∞ 6
4 10 4 6 ∞
54
21.
1 2 3 4
1 ∞ 8 8 10
2 8 ∞ 7 8
3 8 7 ∞ 7
4 10 8 7 ∞
22.
1 2 3 4
1 ∞ 5 4 4
2 5 ∞ 2 0
3 4 2 ∞ 5
4 4 0 5 ∞
23.
1 2 3 4
1 ∞ 4 3 1
2 4 ∞ 3 6
3 3 3 ∞ 1
4 1 6 1 ∞
24.
1 2 3 4
1 ∞ 5 1 1
2 5 ∞ 4 8
3 1 4 ∞ 7
4 1 8 7 ∞
55
25.
1 2 3 4
1 ∞ 3 8 7
2 3 ∞ 1 2
3 8 1 ∞ 10
4 7 2 10 ∞
26.
1 2 3 4
1 ∞ 1 8 0
2 1 ∞ 3 2
3 8 3 ∞ 10
4 0 2 10 ∞
27.
1 2 3 4
1 ∞ 9 0 2
2 9 ∞ 6 5
3 0 6 ∞ 2
4 2 5 2 ∞
28.
1 2 3 4
1 ∞ 8 9 2
2 8 ∞ 3 9
3 9 3 ∞ 9
4 2 9 9 ∞
56
29.
1 2 3 4
1 ∞ 4 1 3
2 4 ∞ 5 1
3 1 5 ∞ 3
4 3 1 3 ∞
30.
1 2 3 4
1 ∞ 2 5 5
2 2 ∞ 8 6
3 5 8 ∞ 4
4 5 6 4 ∞
3 вопрос: Графический метод решения задачи нелинейного

программирования
Графически найти максимальное и минимальное значения
функции f ( x ) = d1(x1 − c1 )2 + d2 (x 2 − c 2 )3 при ограничениях
⎧a11x1 + a12 x 2 ≤ b1
⎨
⎩a 21x1 + a 22 x 2 ≤ b 2
x1, x 2 ≥ 0
Данные по вариантам приведены в таблице:
№ d1 d2 c1 c2 a11 a12 b1 a21 a22 b2
1 7 6 5 0 9 4 5 5 5 4
2 3 3 -4 -9 3 5 4 10 2 3
3 5 9 -8 -8 6 3 7 10 7 3
4 3 5 -6 -2 6 6 4 9 10 10
5 1 6 -9 -1 7 4 10 4 7 5
6 10 10 -7 -8 4 9 17 5 7 7
7 1 2 -7 -3 3 8 7 2 4 11
8 7 4 -1 -10 1 4 14 4 0 7
9 7 4 0 -8 4 1 12 4 9 13
10 10 6 -7 -5 3 2 6 2 6 3
57
№ d1 d2 c1 c2 a11 a12 b1 a21 a22 b2
11 6 8 -5 -6 6 7 4 1 4 7
12 0 1 -8 -5 2 1 0 3 1 4
13 0 7 -9 -3 3 8 5 9 1 4
14 3 1 -3 -6 7 6 14 2 5 3
15 1 8 0 0 4 2 9 3 2 3
16 6 7 -8 -4 9 3 1 5 5 8
17 0 8 -6 -2 9 9 14 1 10 15
18 3 6 0 0 7 6 12 1 4 15
19 7 1 -2 -4 7 1 1 6 8 5
20 8 4 -10 -3 2 0 15 8 2 10
21 10 2 -8 -2 2 8 0 5 1 14
22 9 0 -5 -8 1 6 8 5 0 10
23 4 8 -6 -7 5 0 6 6 6 10
24 0 3 -1 -7 7 6 11 4 7 2
25 5 4 -1 -2 3 10 15 7 4 16
26 5 3 -4 -1 6 3 10 9 3 15
27 7 3 -2 -6 8 5 6 0 1 19
28 7 6 -4 -2 8 7 2 7 2 17
29 9 0 -6 -7 4 2 4 5 1 10
30 6 9 -5 -10 3 7 8 10 5 13
4 вопрос: Метод Лагранжа

Найти условный экстремум функции F методом множителей Ла-
гранжа.
F = ax12 +bx22 +cx1x2
При наличии ограничений в виде: αх1 +βх2 = γ. Определить характер
экстремума. Данные по вариантам приведены в таблице:
№ а b c α β γ.
1 1 1 1 1 1 1
2 -1 -1 1 1 -1 1
3 -1 -1 -1 1 -1 1
4 2 2 -1 2 -1 1
5 -3 -1 -10 2 5 1
6 -3 -1 0 2 5 0
58
№ а b c α β γ.
7 1 2 0 1 -1 0
8 1 3 1 2 5 0
9 4 4 1 2 -1 -2
10 -4 -1 1 2 -1 -2
11 1 4 1 -1 2 -2
12 3 3 -5 -1 2 -2
13 -3 -3 -5 -1 2 -2
14 -4 -1 2 1 1 0
15 1 4 -2 1 1 0
16 1 5 -2 2 -1 0
17 1 5 2 2 0 4
18 2 5 2 2 0 4
19 -2 -4 2 2 0 4
20 10 4 2 1 2 2
21 10 4 -2 1 2 2
22 -10 -8 4 0 2 2
23 -10 -8 -6 0 2 2
24 8 10 -6 1 -2 3
25 8 10 5 -3 0 -3
26 12 12 16 1 1 4
27 -12 -12 16 1 1 4
28 16 16 24 1 1 4
29 -16 -16 -24 1 1 4
30 8 8 12 1 1 4
59
Тема: Решение задачи одномерной оптимизации
без ограничений
Задание:
1. Найти область определения функции, на листе 1 протабулировать
функцию в интервале, который содержит минимальное значение, по-
строить график функции, определить приближённое местоположение
минимума, значение х0.
2. На листе 2 методом Пауэла определить отрезок локализации мини-
мума.
3. На листе 3 определить значение минимума методом половинного
деления с точностью ε на найденном отрезке локализации.
4. На листе 4 определить значение минимума методом золотого сече-
ния с точностью ε на найденном отрезке локализации.
5. На листе 5 определить значение минимума методом параболическо-
го поиска с точностью ε на найденном отрезке локализации.
6. Сравнить количество итераций при решении задачи разными мето-
дами. Сделать вывод.
1. Общая постановка многомерной задачи оптимизации.
2. Постановка задачи одномерной оптимизации.
3. Требования к целевой функции y=f(x).
4. Определение унимодальной на отрезке функции.
5. Алгоримт метода Пауєла локализации минимума.
6. Алгоритм метода половинного деления.
7. Проилюстрируйте работу метода половинного деления на
рисунке для произвольной функции.
8. Понятие золотого сечения. Константа золотого отношения.
9. Алгоритм метода золотого сечения.
10. Проилюстрируйте работу метода золотого сечения на ри-
сунке для произвольной функции.
11. Алгоритм метода параболического поиска.
12. Проиллюстрируйте работу метода параболичесткого поис-
ка на рисунке для произвольной функции.
60
Условие:
Найти минимум функции одной переменной с точностью ε ме-
тодами дихотомии, золотого сечения, параболического поиска.
№1. f ( x ) = e x + x 2 , ε=0,001
1
№2. f ( x ) = e3x + , ε=0,01
x
№3. f ( x ) = e x − ln x , ε=0,001
1
№4. f ( x ) = e x + , ε=0,01
x +1
1
№5. f ( x ) = tgx + , ε=0,01
x
№6. f ( x ) = tgx + e − x + x , ε=0,01
№7. f ( x ) = x 2 + sin x , ε=0,001
№8. f ( x ) = e x − sin x , ε=0,001
№9. f ( x ) = x 4 + 2x 2 + 4x , ε=0,001
№10. f ( x ) = xe x + x 2 , ε=0,001
x+2
№11. f ( x ) = 2 − x , ε=0,01
x
1
№12. f ( x ) = x + , ε=0,01
ln x
№13. f ( x ) = x + ln 2 x , ε=0,01
№14. f ( x ) = x − ln ln x , ε=0,01
1
№15. f ( x ) = x + , ε=0,01
arctgx
№16. f ( x ) = e − x + x 2 , ε=0,001
1
№17. f ( x ) = e − x − , ε=0,001
x
№18. f ( x ) = e1 / x + ln x , ε=0,01
1
№19. f ( x ) = e − x + , ε=0,01
1− x
61
1
№20. f ( x ) = − tgx − , ε=0,01
x
№21. f ( x ) = e x − tgx − x , ε=0,01
№22. f ( x ) = x 2 − sin x , ε=0,001
№23. f ( x ) = e − x + sin x , ε=0,001
№24. f ( x ) = x 4 + 2x 2 − 4x , ε=0,001
№25. f ( x ) = x 2 − xe − x , ε=0,001
2−x
№26. f ( x ) = x + 2 , ε=0,001
x
1 1
№27. f ( x ) = − , ε=0,01
x ln x
1
№28. f ( x ) = + ln 2 x , ε=0,01
x
№29. f ( x ) = e1 / x + ln x , ε=0,01
1
№30. f ( x ) = e x −1 + , ε=0,001
x
1
Найти минимальное значение функции f ( x ) = e x + с точностью
x
ε=0,1.
1. Данная функция определена при всех х≠0, построим график функции на
отрезке [0,1;2]
x f(x)
0,10 11,10517
0,20 6,221403
0,30 4,683192
0,40 3,991825
0,50 3,648721
0,60 3,488785
0,70 3,442324
0,80 3,475541
0,90 3,570714
1,00 3,718282
62
1,10 3,913257
1,20 4,15345
1,30 4,438527
1,40 4,769486
1,50 5,148356
1,60 5,578032
1,70 6,062183
1,80 6,605203
1,90 7,21221
2,00 7,889056
12
11
10
3
0,00 0,50 1,00 1,50 2,00 2,50
Минимальное значение функции находится недалеко от 1, в качестве началь-

ного приближения возьмём х0=1.
2. Методом Пауэла локализуем минимум, приняв х0=1, h=0,1 и выбрав отре-
зок локализации не более L=2. Результаты запишем в таблицу.
63
x0 x1 x2 f(x0) f(x1) f(x2) h
1 1,1 0,9 3,72 3,91 3,57 0,1
0,9 1,1 0,7 3,57 3,91 3,44 0,2
0,7 1,1 0,3 3,44 3,91 4,68 0,4
Минимум локализован на отрезке [0,3; 1,1]
1
3. Найти минимальное значение функции f ( x ) = e x +
на отрезке [0,3; 1,1] с
x
точностью ε=0,1 методом половинного деления. Результаты расчётов запи-
шем в таблицу.
a b x1 x2 f(x1) f(x2) b-a
0,30 1,10 0,68 0,73 3,446 3,444 0,80
0,68 1,10 0,86 0,91 3,528 3,586 0,43
0,68 0,91 0,77 0,82 3,458 3,489 0,24
0,68 0,82 0,72 0,77 3,444 3,459 0,14
0,68 0,77 0,70 0,75 3,442 3,450 0,10
0,68 0,75 0,69 0,74 3,443 3,446 0,07
Длина отрезка [a, b] меньше заданного ε, находим минимальное значение как
середину последнего отрезка [a, b] и считаем значение функции в этой точке
xmin= 0,7117
f(xmin)= 3,4425
1
4. Найти минимальное значение функции f ( x ) = e x + на отрезке [0,3; 1,1] с
x
точностью ε=0,1 методом золотого сечения. Результаты расчётов запишем в
таблицу.
a b c d f(c) f(d) b-a
0,30 1,10 0,61 0,79 3,48 3,47 0,80
0,61 1,10 0,79 0,91 3,47 3,58 0,49
0,61 0,91 0,72 0,79 3,44 3,47 0,31
0,61 0,79 0,68 0,72 3,44 3,44 0,19
0,68 0,79 0,72 0,75 3,44 3,45 0,12
0,68 0,75 0,71 0,72 3,44 3,44 0,07
Длина отрезка [a, b] меньше заданного ε, находим минимальное значение как
середину последнего отрезка [a, b] и считаем значение функции в этой точке
xmin= 0,7138
f(xmin)= 3,4427
64
1
5. Найти минимальное значение функции f ( x ) = e x +
на отрезке [0,3; 1,1] с
x
точностью ε=0,1 методом параболического поиска. Результаты расчётов за-
пишем в таблицу.
a b c xmin f(a) f(b) f(c) f(xmin) |c-xmin|
0,30 1,10 0,70 0,79 4,68 3,91 3,44 3,47 0,09
0,70 1,10 0,90 0,68 3,44 3,91 3,57 3,44 0,22
0,70 0,68 0,69 0,70 3,44 3,44 3,44 3,44 0,01
Как видим уже на первой итерации найдено минимальное значение с задан-
ной точностью, мы сделали ещё два шага, чтобы его уточнить. Минимальное
значение и значение функции в этой точке
xmin= 0,7033
f(xmin)= 3,4423
6. Найдено минимальное значение функции тремя методами, как видим все

найденные значения не отличаются друг от друга более чем на ε, колиество
итераций в методах половинного деления и золотого сечения одинако, коли-
чество итераций в методе параболического поиска значительно меньше. Сле-
довательно метод параболического поиска работает значительно быстрее.
65
Тема: Построение и исследование линий уровня целевой
функции двух переменных
Задание:
1. Найти область определения функции.
2. Методом случайных бросков построить 3 линии уровня для различ-
ных значений С в окрестности особой точки.
3. По линиям уровня сделать вывод о виде особой точки и о её при-
близительном местонахождении.
4. Аналитически обосновать вывод о виде особой точки. Для этого
построить матрицу Гесса и найти её знакоопределённость.
1. Общая постановка задачи многомерной оптимизации.
2. Определение линии уровня.
3. Как вы определили границы прямоугольника, содержащего
линии уровня.
4. Основная идея метода случайных бросков.
5. Алгоритм метода случайных бросков.
6. Определение особой точки.
7. Типы особых точек.
8. Особая точка типа оптимум.
9. Особая т очка типа байрак.
10. Особая точка типа седло.
11. Вид линий уровня для особой точки типа оптимум.
12. Вид линий уровня для особой точки типа байрак.
13. Вид линий уровня для особой точки типа седло.
14. Связь матрицы Гесса с типом особой точки.
15. Обоснуйте как и почему знакоопределённость матрицы Гесса
влияет на вид особой точки.
66
Условие:
Построить 3 линии уровня в окрестности особой точки, опреде-
лить тип особой точки по линиям уровня и аналитически.
2
№1. f ( x , y) = e x + y + ( x − y) 2
2
−x
№2. f ( x, y) = e y + ex
№3. f ( x, y) = e − x + x 2 + y 2
№4. f ( x, y) = e y + ( y − x 2 ) 2
№5. f ( x, y) = e − y − cos( x 2 + y)
№6. f ( x, y) = e x + y 2 − 2x
№7. f ( x, y) = x 2 − cos( y − 1)
№8. f ( x, y) = y 2 + e x − 3x
№9. f ( x, y) = e x − y + x 2 + y 2
2
−y
№10. f ( x, y) = e x + ey
№11. f ( x, y) = e x + ( x − y 2 ) 2
№12. f ( x, y) = e x + x 2 + y 2
2
−x
№13. f ( x , y) = e y + x2
№14. f ( x, y) = e − x − cos( x 2 + y 2 )
№15. f ( x, y) = e − y + ( y + x 2 ) 2
№16. f ( x, y) = e x + y + x 2 + y 2
№17. f ( x, y) = y 2 − cos( x − 1)
№18. f ( x, y) = x 2 + e y − 3y
№19. f ( x, y) = e y + x 2 + y 2
№20. f ( x, y) = e − x + y 2 + 2x
№21. f ( x, y) = e − y + x 2 + y 2
№22. f ( x, y) = e x − cos( x − y 2 )
№23. f ( x, y) = e − x + ( x + y 2 ) 2
67
№24. f ( x, y) = e y − cos( x 2 − y)
№25. f ( x, y) = e − x − y + x 2 + y 2
№26. f ( x, y) = x 2 − cos(1 + y)
№27. f ( x, y) = y 2 + e − x + 3
№28. f ( x, y) = e y + x 2 − 2 y
№29. f ( x, y) = x 2 + e − y + 3y
№30. f ( x, y) = e − y + x 2 + 2 y
Построить 3 линии уровня в окрестности особой точки, определить тип
особой точки по линиям уровня и аналитически.
f ( x , y) = e − y + x 2 + 2 ⋅ y
1. Область определения данной функции вся плоскость хОу.
2. Определим матрицу Гесса и найдём её знакоопределённость
Первые производные
f x′ = 2x
f y′ = −e − y + 2
Вторые производные
′′ = 2
f xx
′′ = f yx
f xy ′′ = 0
′′ = e − y
f yy
Матрица Гесса
⎛2 0 ⎞
He = ⎜⎜ − y ⎟⎟
⎝0 e ⎠
2 0
Т.к. 2>0; = 2e − y > 0 ; то матрица Гесса положительно определена и
0 e− y
во всех точках области определения функция f(x,y) вогнута и особая точка –
точка минимума.
Найдём приближённое значение точки минимума
⎧⎪2 x = 0 ⎧⎪x = 0 ⎧x = 0
⎨ −y ⇒ ⎨ −y ⇒⎨
⎪⎩− e + 2 = 0 ⎪⎩e = 2 ⎩ y = − ln 2
68
3. Возьмём в качестве прямоугольника, содержащего линию уровня, прямо-
угольник -1<x<1, -1<y<1.
Заполним таблицу расчётных значений метода случайных бросков и постро-
им линии уровня f(x,y)=C:
По виду линий уровня можем определить, что данная функция имеет опти-
мум, расположенный в окрестности точки (0;-0,5). Значение точки оптимума
будет найдено в следующей работе.
69
Тема: Решение задачи многомерной оптимизации
без ограничений
Задание:
1. Задать начальное местоположение точки оптимума по результату
прошлого практического занятия.
2. На листе 1 методом градиента найти оптимальное значение целевой
функции.
3. На листе 2 методом наискорейшего спуска найти оптимальное зна-
чение целевой функции. Оптимальное значение шага на каждой ите-
рации ищем с помощью надстройки Excel «Поиск решения»
4. На листе 3 методом Ньютона найти оптимальное значение целевой
функции.
5. На листе 4 комбинированным методом градитента и Ньютона найти
оптимальное значение целевой функции.
6. Сделать выводы.
7. Ответить на вопросы преподавателя.
1. Сформулируйте общую постановку задачи многомерной оптими-
зацими.
2. Перечислите виды особых точек функции.
3. Дайте определение точки минимума.
4. Дайте определение градиента функции.
5. Основная идея метода градиента.
6. Алгоритм метода градиента.
7. Свойства метода градиента.
8. Основная идея метода наискорейшего спуска.
9. Алгоритм метода наискорейшего спуска.
10. Основная идея метода шагов по байраку.
11. Алгоритм метода шагов по байраку.
12. Напишите необходимое условие экстремума функции в точке.
13. Основная идея метода Ньютона.
14. Алгоритм метода Ньютона.
15. Свойства метода Ньютона.
70
Условие:
Для заданной в практическом занятии №10 функции найти оп-
тимальное значение с точностью ε=0.001 методами
а) градиента;
б) наискорейшего спуска;
в) Ньютона;
г) комбинированным методом градиента и Ньютона.
Для функции f ( x, y) = e − y + x 2 + 2 ⋅ y найти оптимальное значение
с точностью ε=0.001 методами
а) градиента;
б) наискорейшего спуска;
в) Ньютона;
г) комбинированным методом градиента и Ньютона.
а) Найдём оптимальное значение функции методом градиента

Имеем f ( x, y) = e − y + x 2 + 2 ⋅ y
f x′ = 2x
f y′ = −e − y + 2
x i +1 = x i − h i ⋅ f x′
yi +1 = y i − h i ⋅ f y′
⎧ hi
⎪ , если f ( x i , yi ) ≤ f ( x i +1 , yi +1 )
h i +1 = ⎨ 2
⎪⎩2h i , иначе
⎧ ( x , y ), если f ( x i , yi ) ≤ f ( x i +1 , y i +1 )
(X i , Yi ) = ⎨ i i
⎩( x i +1, y i +1 ), иначе
В качестве точности метода используем значение
(x i +1 − x i )
2
+ (y i +1 − y i )
2
Заполним таблицу значений

71
Цветом в таблице отмечены строки, когда значение точки не изменя-
лось
n x y f(x,y) Х Y f'x f'y h Точность
1 0,100 -0,500 0,65872 0,100 -0,500 0,200 0,351 0,1
2 0,080 -0,535 0,64381 0,080 -0,535 0,160 0,292 0,2 0,0404
3 0,048 -0,594 0,62560 0,048 -0,594 0,096 0,190 0,4 0,0667
4 0,010 -0,669 0,61436 0,010 -0,669 0,019 0,047 0,8 0,0850
5 -0,006 -0,707 0,61393 -0,006 -0,707 -0,012 -0,028 1,6 0,0406
6 0,013 -0,662 0,61480 -0,006 -0,707 -0,012 -0,028 0,8 0
7 0,003 -0,685 0,61379 0,003 -0,685 0,007 0,017 1,6 0,0241
8 -0,008 -0,712 0,61411 0,003 -0,685 0,007 0,017 0,8 0
9 -0,002 -0,698 0,61374 -0,002 -0,698 -0,004 -0,010 1,6 0,0145
10 0,005 -0,682 0,61385 -0,002 -0,698 -0,004 -0,010 0,8 0
11 0,001 -0,690 0,61372 0,001 -0,690 0,002 0,006 1,6 0,0087
12 -0,003 -0,700 0,61376 0,001 -0,690 0,002 0,006 0,8 0
13 -0,001 -0,695 0,61371 -0,001 -0,695 -0,001 -0,004 1,6 0,0052
14 0,002 -0,689 0,61372 -0,001 -0,695 -0,001 -0,004 0,8 0
15 0,000 -0,692 0,61371 0,000 -0,692 0,001 0,002 1,6 0,0031
16 -0,001 -0,696 0,61371 0,000 -0,692 0,001 0,002 0,8 0
17 0,000 -0,694 0,61371 0,000 -0,694 -0,001 -0,001 1,6 0,0019
18 0,001 -0,692 0,61371 0,000 -0,694 -0,001 -0,001 0,8 0
19 0,000 -0,693 0,61371 0,000 -0,693 0,000 0,001 1,6 0,0011
20 0,000 -0,694 0,61371 0,000 -0,693 0,000 0,001 0,8 0
21 0,000 -0,693 0,61371 0,000 -0,693 0,000 0,000 1,6 0,0007
В данной таблитце хорошо видно, что в близи точки оптимума каж-
дый второй шаг безрезультатный и поэтому сходимость близи опти-
мума очень медленная.
Полученная на последней итерации точность меньше ε, значит опти-
мум найден, минимальное значение функции
f min = f (0;−0,693) = 0,61371
72
2) Усовершенствуем метод градиента, находя на каждой итерации оп-
тимальное значение шага с помощью настройки Excel «Поиск реше-
ния», на каждой итерации в качестве начального значения шага берём
его предыдущее значение.
Получим таблицу
Точ-
n x y f(x,y) f'x f'y h ность
1 0,1 -0,5 0,6587 0,2 0,3512 0,5376
2 -0,0075 -0,688 0,6137 -0,015 0,0085 0,5002 0,2173
3,95E- 7,91E- 1,39E-
3 06 -0,693 0,6137 06 05 0,5002 0,0086
-2,08E- -4,2E- -7,3E-
4 09 -0,693 0,6137 09 09 8E-06
f min = f (0;−0,693) = 0,61371
3) Найдём оптимальное значение функции методом Ньютона

Имеем f ( x, y) = e − y + x 2 + 2 ⋅ y
f x′ = 2x
f y′ = −e − y + 2
Вторые производные
′′ = 2
f xx
′′ = f yx
f xy ′′ = 0
′′ = e − y
f yy
⎧ f yy′′ f x′ − f xy
′′ f y′
⎪x k +1 = x k −
⎧ 2x e − y k
⎪ ′′ f yy
f xx ( )
′′ − f xy ′′ 2 ⎪x k +1 = x k − k− y
⎪ 2e k
Т.к. ⎨ , тогда ⎨
⎪y ′′ f y′ − f yx
f xx ′′ f x′ ⎪ 2e − y k − 4
= yk −
⎪ k +1 ( ) ′′ 2 ⎪ y k +1 = y k +
⎩
′′ f yy
f xx ′′ − f xy ⎩ 2e − y k
Упростим выражения, получим
⎧⎪x k +1 = x k − x k ⎧⎪x k +1 = 0
⎨ ⇒ ⎨
⎪⎩ y k +1 = y k + 1 − 2e y k ⎪⎩ y k +1 = y k + 1 − 2e y k
Заполним таблицу значений
73
n x y f(x,y) Точность
1 0,1 -0,5 0,658721
2 0 -0,71306 0,614105 0,235362
3 0 -0,69334 0,613706 0,019717
4 0 -0,69315 0,613706 0,000197
f min = f (0;−0,693) = 0,61371
4) Рассмотрим комбинированный метод градиента и Ньютона. Для

лучшей демонстрации этого метода возьмём начальную точку, более
отдалённую от оптимума, например точку (-2,4).
Строим таблицу метода градиента, который работает до тех пор, пока
значение функции не начнёт увеличиваться. Дальше начинает рабо-
тать метод Ньютона.
Метод градиента:
Точ-
n x y f(x,y) f'x f'y h ность
1 -2,000 4,000 12,018 -4,000 1,982 0,1
2 -1,600 3,802 10,1859 -3,200 1,978 0,2 0,4464
3 -0,960 3,406 7,76736 -1,920 1,967 0,4 0,7524
4 -0,192 2,620 5,34882 -0,384 1,927 0,8 1,0994
5 0,115 1,078 2,50927 0,230 1,660 1,6 1,5720
6 -0,253 -1,578 1,75245 -0,507 -2,843 3,2 2,6809
Метод Ньютона:
n x y f(x,y) Точность
1 0,115 1,078 2,5095
2 0 -3,79959 37,08377 4,878948
3 0 -2,84435 11,50171 0,95524
4 0 -1,9607 3,182877 0,883656
5 0 -1,24222 0,978849 0,718479
6 0 -0,8197 0,63042 0,422513
7 0 -0,70083 0,613765 0,118876
8 0 -0,69318 0,613706 0,007651
Как видим первый метод нас очень быстро привёл в окрестность ми-
нимума, а второй уже его уточнил.
74
f min = f (0;−0,693) = 0,61371
Все методы имеют одинаковое минимальное значение, поэтому мы

можем сделать вывод, что все расчёты проведены верно.
75
МОДУЛЬНАЯ КОНТРОЛЬНАЯ РАБОТА №2
1 вопрос: Теория
1. Постановка задачи оптимизации. Требования к целевой
функции y=f(x). Определение унимодальной на отрезке фун-
кции.
2. Алгоримт метода Пауєла локализации минимума.
3. Алгоритм метода половинного деления. Проилюстрируйте
работу метода половинного деления на рисунке для произво-
льной функции.
4. Понятие золотого сечения. Константа золотого отношения.
5. Алгоритм метода золотого сечения. Проилюстрируйте рабо-
ту метода золотого сечения на рисунке для произвольной
функции.
6. Алгоритм метода параболического поиска. Проиллюстри-
руйте работу метода параболичесткого поиска на рисунке
для произвольной функции.
7. Определение линии уровня.
8. Основная идея метода случайных бросков. Алгоритм метода
случайных бросков.
9. Определение особой точки. Типы особых точек.
10. Особая точка типа оптимум. Вид линий уровня для особой
точки типа оптимум.
11. Особая т очка типа байрак. Вид линий уровня для особой
точки типа байрак.
12. Особая точка типа седло. Вид линий уровня для особой точ-
ки типа седло.
13. Связь матрицы Гесса с типом особой точки. Обоснуйте как и
почему знакоопределённость матрицы Гесса влияет на вид
особой точки.
14. Общая характеристика методологии многомерной оптимизации.
15. Основная идея метода градиента. Алгоритм метода градиента.
Свойства метода градиента.
16. Основная идея метода наискорейшего спуска. Алгоритм метода
наискорейшего спуска.
76
17. Основная идея метода шагов по байраку. Алгоритм метода шагов
по байраку.
18. Основная идея метода Ньютона. Алгоритм метода Ньютона. Свой-
ства метода Ньютона.
19. Сравнительная характеристика методов многомерной оптимиза-
ции.
20. Многошаговые методы многомерной оптимизации.
2 вопрос: Решение задачи одномерной оптимизации

Для заданной целевой функции предложенным методом найти
оптимальное значение.
3 вопрос. Исследование особых точек

Для заданной целевой функции найти особые точки и исследо-
вать их тип с помощью матрицы Гесса.
4 вопрос. Решение задачи многомерной оптимизации

Для заданной целевой функции предложенным методом найти
оптимальное решение.

task remove pages МОиИО22007

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

task remove pages МОиИО22007

Загружено:

Авторское право:

Доступные форматы

2

Практическое занятие №9.

1. Построение многоугольника решений:

2. Построение градиента и линий уровня

3. Уточнение полученного решения графоаналитическим мето-

Решим данную задачу с помощью надстройки „Поиск ре-

Здесь только одна ячейка содержит формулу – это значение це-

Как видим решения всем методов совпали.

№ Тип Исходная задача Двойственная задача

Решим данную задачу с помощью надстройки „Поиск ре-

Здесь значения левой части и целевая функция рассчитываются

Как видим решения обоих методов совпали, кроме того решение

Перейдём на второй лист рабочей книги

Перейдём на второй лист рабочей книги для вычисления

Решим данную задачу с помощью надстройки „Поиск ре-

Здесь значения левой части и целевая функция рассчитываются

Как видим решения обоих методов совпали.

Перейдём на лист 2 рабочей книги, решим задачу коммивояжера

Для данной матрицы приведение по строкам и столбцам не вы-

Выполняем 1-ое ис-

i-ый тур записываем в Т

Как видим результаты различных методов совпали, стоимость

Значения коэффициентов для вариантов:

Задача, состоящая в определении максимального (минималь-

2 вопрос: Задача коммивояжера

3 вопрос: Графический метод решения задачи нелинейного

4 вопрос: Метод Лагранжа

Минимальное значение функции находится недалеко от 1, в качестве началь-

6. Найдено минимальное значение функции тремя методами, как видим все

а) Найдём оптимальное значение функции методом градиента

Заполним таблицу значений

3) Найдём оптимальное значение функции методом Ньютона

4) Рассмотрим комбинированный метод градиента и Ньютона. Для

Все методы имеют одинаковое минимальное значение, поэтому мы

2 вопрос: Решение задачи одномерной оптимизации

3 вопрос. Исследование особых точек

4 вопрос. Решение задачи многомерной оптимизации

Вам также может понравиться