Documente Academic
Documente Profesional
Documente Cultură
MMRT 161M 48 LA 2
Mod Coala Docum. Semn. Data
MMRT 161M 48 LA 3
Mod Coala Docum. Semn. Data
Coordonatele vrfurilor simplexului n acest caz sunt date de matricea din tab.1, unde:
Lungimea l a laturii simplexului (adic distana dintre vrfurile simplexului) aici se egaleaz cu
unu (l=1). O astfel de construire este admisibil dac se trece de la valori absolute ale factorilor
Xi la cele relative xi iar originea de coordonate se plaseaz n punctul de baz al spaiului
factorial X*. n acest caz, ca lungime a laturii L putem lua distana dintre nivelurile de variere ale
factorului Xi, egal cu pasul varierii Xi, care n sistemul de coordonate relative ntotdeauna este
egal cu unitatea :
Coa
MMRT 161M 48 LA 4
Mod Coala Docum. Semn. Data
MMRT 161M 48 LA 5
Mod Coala Docum. Semn. Data
MMRT 161M 48 LA 6
Mod Coala Docum. Semn. Data
8) Dac mrimea funciei-scop n noul vrf al simplexuluil este mai mic dect n celelalte
vrfuri, atunci n corespundere cu logica miscrii trebuie s ne ntoarcem la simplexul
premrgtor. Pentru prentmpinarea ciclrilor se alege vrful ce trebuie s fie nlturat.
Miscarea de mai departe continu prin realizarea probelor n punctul situat simetric fa de vrful
nlturat.
9) Dac noul vrf iese din limita planului factorial, atunci trebuie s procedm ca n punctul 8.
10)Dup atingarea optimului, dimensiunea simplexului se micsoreaz (ca regul, de din
mrimea iniial).
11)Optimul se socoate atins, dac unul si acelasi punct intr n simplexurile succesive de N ori,
unde:
(Expresia (3) este cptat empiric). Alt condiie de atingere a optimului este:
unde este o mrime mic; Y - valoarea medie a funciei scop n vrfurile simplexului.
12)Dac eroarea experimentului este comparativ mare, atunci n fiecare vrf al simplexului
trebuie de efectuat cteva ncercri si de calculat valoarea medie care se foloseste n continuare.
4. Optimizare fr restricii
Coa
MMRT 161M 48 LA 7
Mod Coala Docum. Semn. Data
f ( x * ) {inf f ( x) x R n }
(P) S se determine x*Rn cu proprietatea:
Teorem Dac x* este un punct de extrem local al funciei f, atunci f(x*) = 0, unde
f f f
f ( x ) , ,...,
x1 x 2 x n
(4.1)
este gradientul funciei f. Reciproc, dac x* Rn este un punct n care condiia (1) are loc i n
plus matricea hessian H(x*) este pozitiv definit, unde
2 f
H ( x) 1 i, j n
xi x j
f f f
f ( x ) 0 0, 0,..., 0
x1 x 2 x n (4.2)
ns rezolvarea sistemului (4.2), cel puin n sensul uzual al termenului, este practic imposibil de
fcut n cvasitotalitatea cazurilor practice. Chiar i n cazul fericit n care, prin mijloace analitice
adic cu formule am putea gsi o soluie a sistemului (4.2) nu avem nici o garanie c
aceasta este soluia optim a problemei (P): ea ar putea fi foarte bine un punct de maxim local
sau un punct a sau, n cel mai bun caz, un minim local diferit de cel global! Astfel apare
necesitatea considerrii altor metode de abordare a problemei (P).
MMRT 161M 48 LA 8
Mod Coala Docum. Semn. Data
Se genereaz un ir de puncte x0, x1, x2 din Rn, numite n continuare aproximaii. Punctul
iniial x0 este dat, alegerea sa fiind fcut de utilizator n funcie de specificul problemei (P). O
dat obinut aproximaia xk, noua aproximaie xk+1 se determin astfel:
Se pune:
x k 1 x k k s k
(4.3)
f ( x k 1 ) f ( x k )
Figura
k 1
x x k s
k k
4.1
Prin urmare: xk
f ( x 0 ) f ( x1 ) f ( x 2 ) ... sk
g ( ) f ( x k s k ) 0 (4.4)
Pentru a obine o metod efectiv de minimizare este necesar s se precizeze:
MMRT 161M 48 LA 9
Mod Coala Docum. Semn. Data
Este foarte important de reinut c dac funcia de minimizat nu are proprieti adiionale
bune, cum ar fi aceea de a fi convex, rezultatul aplicrii acestor metode se materializeaz n
cel mai bun caz, ntr-un minim local de regul cel mai apropiat de punctul iniial x0. n practic,
pentru a obine toate minimele locale i n particular minimul global, se procedeaz la repetarea
minimizrii din mai multe puncte iniiale, judicios alese.
Marea majoritate a metodelor de minimizare nerestricionat presupun difereniabilitatea
funciei obiectiv ; exist totui i scheme de minimizare pentru funcii nedifereniabile!
nivel a funciei f este mulimea punctelor x ( x1 , x 2 ,..., x n ) R care satisfac o ecuaie de forma:
n
f( x ) = C, unde C este o constant. n cazul a dou (respectiv trei) variabile vom vorbi despre
curbe (respectiv,suprafee) de nivel. Astfel pentru funciile:
a ) f ( x1 , x 2 ) 2 x1 3 x 2 ; b) f ( x1 , x 2 ) 4 x1 2 x 2 x12 x 22
c ) f ( x1 , x 2 ) 2 x1 16 x 2 x12 4 x 22
curbele de nivel sunt: a) drepte paralele; b) cercuri concentrice; c) elipse concentrice (vezi fig.
4.2)
n orice punct de extrem local x* al funciei f avem f(x*) = 0; reciproca nu este n general
adevrat.
corespunztoare celei mai rapide descreteri afunciei f. Analog, f (x ) este direcia celei mai
rapide creteri.
MMRT 161M 48 LA 10
Mod Coala Docum. Semn. Data
f = -1
f=4
f=6
f=3
f =0
f = -5
f = -4
a) f = -13 b)
f = -17
c)
Figura 4.2
Curbele sale de nivel sunt elipse cu centrul n punctul x (0,4) care reprezint i punctulde
*
n punctul x = (1,1) este nenul: f (x ) = (32,-6). Cea mai rapid descretere a funciei f plecnd
Atenie: pe direcia celei mai rapide descreteri, funcia nu descrete nencetat! Pentru ilustrare,
n exemplul de mai sus, s considerm un punct variabil pe direcia celei mai rapide descreteri
din x = (1,1):
x( ) x f ( x ) (1,1) (32,6) (1 32,1 6 ) 0
x2
MMRT 161M 48 LA Coa
x ( ) x f ( x )
0 =0.032
a crei variaie este artat
x n fig.4.5
x1
f ( x )
Se observ c atunci cnd crete de la 0 la 0.032 (= punctul n care g() are valoarea minim),
funcia g i deci i funcia f scad de la valoarea 25 la valoarea 7.893 dup care ncep din nou s
creasc!
4.4 Criterii de oprire ale procesului iterativ de minimizare 1) Deoarece ntr-un punct de
minim local avem f(x*) = 0, procesul de minimizare se poate opri n momentul n care:
f
a) ( x k ) i 1,2,..., n
xi
sau:
2
n
f
b) ( x k )
i 1 xi
1) De multe ori este preferabil s oprim procesul iterativ n momentul n care variaia funciei
obiectiv n dou aproximaii succesive nu depete o toleran dat:
f ( x k ) f ( x k 1 )
3) Se poate ntmpla ca, din cauza unei nefericite alegeri a aproximaiei iniiale x0 sau a
structurii funciei de minimizat, procesul iterativ, dei convergent, s fie foarte lent. n asemenea
Coa
MMRT 161M 48 LA 12
Mod Coala Docum. Semn. Data
situaii, timpul de calcul poate atinge valori nepermis de mari. Vom evita acest inconvenient
limitnd din start numrul iteraiilor posibil de efectuat.
4.5 Minimizarea unei funcii de o singur variabil n seciunea introductiv am vzut
c toate metodele de minimizare nerestricionat a unei funcii f de maimulte variabile necesit
minimizarea unei funcii g() de o singur variabil.Deoarece minimizarea unidimensional se
efectueaz la fiecare iteraie a procesului de minimizare multidimensional este clar c
eficacitatea procesului multidimensional depinde de calitile procesului unidimensional.
n continuare vom presupune c n prealabil am localizat un punct de minim x* al funciei
g ntr-un interval (a,b) suficient de mic.
Se aproximeaz funcia g pe intervalul (a,b) printr-un polinom de interpolare de grad doi sau
trei al crui punct de minim din (a,b) se determin uor pe baza unei formule. Punctul de minim
astfel calculat se consider a fi o bun aproximare a punctului de minim x* cutat.
MMRT 161M 48 LA 13
Mod Coala Docum. Semn. Data
x x*
Micorarea intervalului (a,b) se face cu ajutorul evalurii funciei g i/sau ale derivatei sale ntr-
un numr de puncte din interiorul lui (a,b). Cele mai cunoscute metode de acest fel sunt metoda
biseciei succesive, metoda seciunii de aur i metoda Fibonacci.
n figura 6.6 este prezentat schema logic a metodei biseciei succesive ; justificarea metodei
rezult imediat din situaiile ilustrate n figurile 4.7a) i 4.7b)
Pentru a nelege modul de aciune al metodelor bazate exclusiv pe evaluarea funciei de
minimizat n diferite puncte sunt necesare cteva pregtiri.
Figura 4.7 a)
Coa
MMRT 161M 48 LA 14
Mod Coala Docum. Semn. Data
Figura 4.7 b)
Figura 4.6
a x x* b START
a a; b b
x 12 (a b )
g ( x )
g ( x )
g ( x ) 0 a : x
a x* x b
b : x
b a
x* x
MMRT 161M 48 LA Coa
Data
15
Mod Coala Docum. Semn.
a x* b
Deoarece n intervalul de localizare (a,b) am presupus c f are un unic punct de minim x* (vezi
fig. 6.8) urmeaz c oricare ar fi x1 < x2 din (a,b) :
f ( x1 ) f ( x 2 ) dac x1 x 2 x *
i
f ( x1 ) f ( x 2 ) dac x * x1 x 2
Figura 4.8
MMRT 161M 48 LA 16
Mod Coala Docum. Semn. Data
a xS x* xD b a xS x* xD b
Observm c noul interval mai mic conine cu necesitate unul din punctele interioare alese. Dac
n noul interval mai mic alegem nc un punct interior putem repeta consideraiile precedente.
5 1
r 0.618034
Vom descrie n continuare metoda seciunii de aur. Fie 2 .
START. Iniializm:
xS a r 2 h x D a r h unde : h b a
MMRT 161M 48 LA 17
Mod Coala Docum. Semn. Data
f ( x S ) f ( x D ) se merge la pasul 2.
f ( x S ) f ( x D ) se merge la pasul 3.
xD xS ; xS a r 2 h
xS x D ; xD a r h
a b
x*
Pasul 4. 2 .
4.7 Metoda gradientului (Cauchy)
La fiecare iteraie a algoritmului din fig.6.10 direcia de deplasare este dat de relaia:
s k f ( x k )
k
cu condiia ca f ( x ) 0.
k
Aceast opiune se bazeaz pe faptul c f ( x ) este direcia celei mai rapide descreteri din
xk.
Coa
MMRT 161M 48 LA 18
Mod Coala Docum. Semn. Data
Caracteristic acestei metode este faptul c dou direcii de deplasare consecutive sunt
perpendiculare! ntr-adevr, dat direcia sk, lungimea pasului k al deplasrii se afl, aa cum s-a
mai spus, minimiznd funcia unidimensional:
g ( ) f ( x k s k ) , 0
Prin urmare g ( k ) 0 .Am vzut c: g ( ) s f ( x s ) - a se revedea seciunea 6.3!
k k k
aa nct:
g ( k ) 0 s k f ( x k k s k ) 0 s k f ( x k 1 ) 0 s k s k 1 0
k=0
BLOCUL P Se alege pasul deplasrii k prin minimizarea funciei unidimensionale g() = f(xk + sk) , 0
BLOCUL O
k=k+1 NU Sunt verificate criteriile de
oprire ale procesului de calcul?
DA
STOP
Figura 4.10
Coa
MMRT 161M 48 LA 20
Mod Coala Docum. Semn. Data
metoda gradientului ofer punctul de minim (global) ntr-o singur iteraie, indiferent de
aproximaia iniial x0 (vezi fig. 4.11a) Pentru orice alt funcie irul de aproximaii:
f ( x1 , x 2 ) x 2 x12 2 x1 x 2 2 x 22
Iteraia 2
f(x1) = [1/2,0]
s1 = -f(x1) = [-1/2,0]
x()= x1 + s1 = [1,3/4] + [-1/2,0] = [1 - /2,3/4] , > 0
g() = f(x()) = 4 4 8 are un minim n =
1 2 1 1
1
x = x(1/2) = [3/4,3/4]
2
Coa
MMRT 161M 48 LA 21
Mod Coala Docum. Semn. Data
Iteraia 3
f(x2) = [0,1/2]
s2 = -f(x2) = [0,-1/2]
x()= x2 + s2 = [3/4,3/4] + [0,-1/2] = [ 4 , 4 2 ] , > 0
3 3 1
Curbe de nivel
x0
Figura 4.11
x3 = x(1/4) = [3/4,5/8]
La iteraia 4 se obine [5/8,5/8] .a.m.d. Funcia dat este convex (exerciiu!) avnd un
minim n x* = [1/2,1/2]. n figura 4.12 se poate constata apropierea n zig zag a punctelor
x0 , x1 , x3 de x*.
unde A ,numit i mulimea soluiilor admisibile ale problemei (P) este definit de o mulime de
restricii:
gi(x) 0 i M = {1,2,...,m}
MMRT 161M 48 LA 22
Mod Coala Docum. Semn. Data
g(x) = 0 g(xk)
xk -f(xk)
A
xk+1
x0 x*
Figura 5.1
MMRT 161M 48 LA 23
Mod Coala Docum. Semn. Data
gi(xk) = 0 ,
ntr-o atare situaie, direcia celei mai rapide descre i I M
teri -f(xk) s-ar putea s nu mai fie admisibil adic:
x( ) x k f ( x k ) A () > 0
(vezi fig. 5.1)
(y)
xk+1 = xk + ksk
s aibe proprietile:
M
xk+1 A ( gi(xk+1) 0 , i M) i f(xk+1) < f(xk)
MMRT 161M 48 LA 24
Mod Coala Docum. Semn. Data
0 daca y 0
(y)
y 2 daca y 0
y
Figura 5.3
0 daca y 0
( y ) unde M 0
M daca y 0
al crei grafic este dat n fig 5.2. Considerm problema de minimizare fr restricii:
infF ( x ) f ( x ) ( gi ( x ))
i M
( P' )
n
x R
Evident:
f ( x ) daca x A
F( x )
M daca x A
n consecin,orice procedeu de minimizare a funciei F se va orienta ctre punctele mulimii A
i deci va minimiza funcia original f. Dificultatea major rezid n faptul c funcia de
penalizare are o discontinuitate n 0 care atrage dup sine discontinuitatea funciei F pe
frontiera lui A ! Cum de regul punctul de optim x* se afl pe frontier, metodele de minimizare
bazate pe gradient nu sunt aplicabile deoarece gradientul funciei F nu este definit pe frontiera lui
A.
Totui ideea de a aduga un termen la expresia funciei f care s penalizeze o eventual "ieire"
din A i de a minimiza "liber" funcia rezultat poate fi salvat utiliznd n locul funciei o
funcie mai puin "rigid" care s aibe proprietile de regularitate (continuitate,
difereniabilitate) reclamate de utilizarea metodelor de gradient. Un exemplu ar putea fi funcia:
Coa
MMRT 161M 48 LA 25
Mod Coala Docum. Semn. Data
infF ( x ) f ( x ) ( gi ( x ))
i M
( P' )
n
x R
Acum,penalizarea pentru ieirea n afara mulimii A nu mai este "infinit" astfel c soluia
optim a problemei (P') ar putea s nu fie n A , altfel spus ar putea nclca unele restricii.Pentru
a diminua aceste nclcri amplificm efectul penalizrii nmulind termenul de penalizare cu o
constant r > 0 suficient de mare. (P') devine:
infF ( x ) f ( x ) r ( gi ( x ))
i M
( P )
n
x R
Dificultile semnalate au condus la urmtoarea schem de lucru. n locul rezolvrii unei singure
probleme de minimizare fr restricii se va rezolva o secven de asemenea probleme. Concret,
se ncepe rezolvarea problemei (P'') cu o constant r0 nu prea mare; fie x0 soluia optim. Dac x0
A se reia (P'') cu un multiplicator r1 > r0 utiliznd x0 ca aproximaie iniial. Fie x1 noua soluie
optim. Dac nici x1 A schimbm r1 cu r2> r1 etc. Se poate arta c dac rk atunci irul x0 ,
x1 , x2 ...converge ctre soluia optim a problemei cu restricii (P).
MMRT 161M 48 LA 26
Mod Coala Docum. Semn. Data
Partea Practic
1. Sarcin:
MMRT 161M 48 LA 27
Mod Coala Docum. Semn. Data
n 4
p 0,925614793
q 0,218508012
MMRT 161M 48 LA 28
Mod Coala Docum. Semn. Data
0,00000000006 0,000000088
'''' X 451,85 92185,08 1 5
In acest tabel am introdus parametrii variabili si alegem puncul de baza al simplexului. Alegem
pasul pentru fiecare factor. Pentru calculul coeficientului de amplificare optimal folosim metoda
urmatoare.
MMRT 161M 48 LA 29
Mod Coala Docum. Semn. Data
8 6
0,00000000004 0,000000048
5'' 138,60 160814,88 3 2 7,97 398,5
0,00000000007 0,000000104
2' 117,59 132663,94 8 4 8,30 415
0,00000000009 0,000000120
6 535,83 154352,20 1 7 6,31 315,5
0,00000000009 0,000000120
7 216,32 224536,90 1 7 8,75 437,5
0,00000000013 0,000000120
8 216,32 154352,20 4 7 8,49 424,5
0,00000000009 0,000000173
9 216,32 154352,20 1 2 8,36 418
0,00000000010 0,000000138
6' 152,55 178600,42 6 8 8,90 445
0,00000000004 0,000000147
9' 135,07 190724,53 9 9 8,85 442,5
0,00000000007 0,000000161 Valoarea
8' 94,44 103633,65 1 5 8,47 423,5 optimala
0,00000000006 0,000000103
7' 33,50 148459,06 1 1 8,65 432,5
0,00000000009 0,000000173
8'' 216,32 154352,20 1 2 8,37 418,5
0,00000000009 0,000000120
7'' 216,32 224536,90 1 7 8,75 437,5
0,00000000007 0,000000161
9'' 94,44 103633,65 1 5 8,47 423,5
MMRT 161M 48 LA 30
Mod Coala Docum. Semn. Data
Concluzii:
Efectund aceasta lucrare am studiat metoda simplex pentru gasirea parametrului optimal.
Aceasta metoda este utilizata pentru elemente compuse care au o structura complexa.
Am calculat parametrul optimal y pina cnd am ajuns la o valoare aproximativ constanta.
Deaceea putem constata ca simplexul incepe sa se roteasca in jurul axei sale, ceea ce inseamna
ca y tinde spre minimum.
Am efectuat calculele dupa 2 pasi: mai intii cu pasul mic, de aceea si precizia a fost mai
buna.
O metoda mai rapida pentru a ajunge in virf este de a efectua calculele dupa un pas mai
mare si respective sa micsoram x si sa parcurgem ciclul.
Coa
MMRT 161M 48 LA 31
Mod Coala Docum. Semn. Data
Bibliografie :
1) http://www.asecib.ase.ro/Nica/CO/BCO/capitolul14.pdf
2) http://www.universitatea-
cantemir.ro/CursuriRei/documente/MatAplEcon_Tema_13_Note_curs.pdf
3) https://ro.wikipedia.org/wiki/Algoritm_simplex
4) http://elth.ucv.ro/student1/Cursuri/Ciontu%20Marian/Optimizari/programare
%20liniara.pdf
5) https://users.info.uvt.ro/~mmarin/lectures/CSI/Curs-1-2.pdf