PREZENTARE 2

Plan de prezentare

- Probleme de optimizare staționară. Generalități

- Reprezentări grafice în problemele de optimizare staționară
- Criterii de stop
- Proprietăți ale gradientului
- Mulțimi și funcții convexe

Probleme de optimizare staționară. Generalități

hi ( x1 ,..., xn )  0 , i  1  l (1)

g j ( x1 ,..., xn )  0 , j  1 m (2)

 x1 
x  .... , xT  x1 ... xn 
 xn 

h1 
h  R , h  ... 
l

hl 
 g1 
g  R , g  ... 
m

 g m 
 Relaţiile (1) şi (2) se rescriu astfel:

h( x )  0 (3)
g( x )  0 (4)

Reconsiderăm o funcţie scalară de variabilă vectorială x :

f ( x ) : D  Rn  R (5)

minim:

f ( x* )  f ( x ), x  S  D (6)

maxim:

f ( x* )  f ( x ), x  S  D (7)

Observaţia 1
Orice problemă de maxim poate fi transformată într-o problemă de minim,
luând în locul funcţiei f funcţia  f . Din acest motiv, în cele ce urmează
vor fi făcute referiri doar la problemele de minim.

Observaţia 2
În problemele cu legături trebuie să avem obligatoriu l  n . Altfel, dacă
l  n există n ecuaţii de forma (1), putându-se astfel preciza în mod unic
cele n necunoscute. Evident, în acest caz nu se mai pune problema unei
 alegeri, deci a găsirii unei soluţii optime. Dacă l  n , sistemul (1) nu
prezintă, de regulă, soluţii.

Observaţia 3
Aparent, restricţiile (1) şi (2) capătă forme particulare. Însă, dacă există o
legătură de forma:

i ( x )  i

atunci, notând:

hi ( x )  i ( x )  i

se găseşte:

hi ( x )  0

Analog, pentru:

 j   j ( x )  j

notăm:

g j ( x )   j   j ( x ) şi respectiv G j ( x )   j ( x )   j

astfel încât să existe relaţiile:

g j ( x )  0 , respectiv G j ( x )  0
 Prin urmare, restricţiile de forme particulare pot fi întotdeauna aduse la
formele (1) şi (2).

Reprezentări grafice în problemele de optimizare staționară

x2

c1
c2

c3

c4

c5

x1
O

Reprezentare grafică prin curbe de nivel

Criterii de stop

f ( x )  0 (8)

f ( x  )   (9)

x  x12  ...  xn2 (10)

i f ( x )   i (11)

x k 1  x k   (12)

f ( x k 1 )  f ( x k )   (13)

x k 1  x k
 (14)
xk

f ( x k 1 )  f ( x k )
 (15)
f ( xk )

x k 1  x k
 (16)
1  xk

f ( x k 1 )  f ( x k )
 (17)
1  f ( xk )
 f(x) f(x)

f(x2 f(x2
) f(x1
f(x1 )
)
x x
O x1 x2 O x1 x2
(a) (b)

Cazuri ce conduc la oprirea eronată a algoritmului

Proprietăţi ale gradientului

f ( x )  ct (18)

df ( x )  0 (19)

f  f 
n T

df ( x )   dxi    dx  f ( x ), dx
i 1 xi  x 

f ( x ),dx  0 (20)

 
T
f ( x )  f ( x 0 )  x  x 0 f ( x 0 ) 
1
2
 T
  
x  x0 H ( x0 ) x  x0  e( x , x0 ) x  x0 (21)

1
f ( x  h )  f ( x )   h ,f ( x )   2 hT H ( x )h  e( h ) h (22)
2

o(  )
f ( x  h )  f ( x )   h ,f ( x )  o(  ), lim 0 (23)
 0 
f ( x  h )  f ( x ) o(  )
 h ,f ( x )  (24)
 

f
 h ,f ( x ) (25)


 x, x y, y
2
x, y

f , h  h ,h f ,f
2

f ( x  h )  f ( x ) 1
o(  )
 f ( x ),f ( x ) 2  (26)
 

f ( x )  0 (27)

f ( x ),h  0 (28)

f ( x  h )  f ( x )
lim 0
 0 

f ( x  h )  f ( x )
0


f ( x  h )  f ( x ) (29)
Observaţia 4
Gradientul unei mărimi scalare este prin definiţie un vector. Notaţiile
grad f şi f sunt echivalente. Simbolul  , utilizat în cea de-a doua
notaţie, a fost introdus de Hamilton, fapt pentru care a fost denumit
operatorul lui Hamilton sau operatorul nabla. Se poate defini o întreagă
clasă de operatori diferenţiali, bazată pe operatorul nabla, prezentată în
anexa B.

Mulțimi și funcții convexe

Definiţia 13.1
O mulţime de puncte se numeşte convexă dacă unind oricare două puncte
ale mulţimii printr-un segment, toate punctele segmentului aparţin
mulţimii.
În figura (13.3) sunt date exemple de mulţimi convexe şi non-convexe.

mulţime convexă
a b

mulţime non-convexă
a b c d

mulţime convexă mulţime non-convexă

Exemple de mulţimi convexe şi non-convexe

 x  x1  1   x 2 (30)

Definiţia 13.2
O funcţie se numeşte convexă dacă segmentele ce unesc oricare două
puncte situate pe graficul funcţiei, se găsesc deasupra porţiunii de grafic
delimitat prin respectivele puncte.

f ( x1  1   x 2 )  f ( x1 )  1    f ( x 2 ),   0 ,1 (31)

Proprietăţi ale funcţiilor convexe

f ( x  h )  f ( x )  f ( x ),h (32)

f(x)

f(x+h)

f(x) f(x)+hf’(x)

x
O x x+h

Exemplu de funcţie convexă

 H( x )  0 (33)

Funcţii pătratice

f ( x )  xT Qx (34)

q11 q12 q13   x1  3 3

f ( x1 , x2 , x3 )  x1 x2 x3 q21 q22 q23   x2    cij xi x j
q31 q32 q33   x3  i1 j 1

Matrice de semn definit

f ( x )  0 , x  0 şi f (0 )  0

q11 q12
1  q11 , 2  , 3  det Q .
q21 q22
Bibliografie minimală:

1. George Mahalu, Introducere în Optimizarea Sistemelor, Ed. Matrix-Rom,

București 2013.
2. George Mahalu, Metode Numerice în Optimizarea Sistemelor, Ed. Matrix-
Rom, București 2006.