Documente Academic
Documente Profesional
Documente Cultură
• Cuvinte cheie:
– Mathematical optimization
– Optimization algorithms
– Line search
– Genetic algorithms
– Stochastic optimization
• http://www.it-weise.de/projects/book.pdf
• http://www.ee.bilkent.edu.tr/~microwave/programs/utilities/
optimize.htm
• http://www.riccati.pub.ro/teaching/ot/cursul1.pdf
Introducere
• Optimizare = gaseste “ce este mai bun?” discutie “ce este cel mai bun?”
.
Introducere
• Optimizare = gaseste “ce este mai bun?” discutie “ce este cel mai bun?”
Trebuie: - sa existe o masura cantitativa a “mai bun” (exista si abordari calitative
fuzzy, sintactico-lingvistice)
- cunoscute marimile in raport cu care se cauta “mai bun”
(optimul)
.
Introducere
• Optimizare = gaseste “ce este mai bun?” discutie “ce este cel mai bun?”
Trebuie: - sa existe o masura cantitativa a “mai bun” (exista si abordari calitative
fuzzy, sintactico-lingvistice)
- cunoscute marimile in raport cu care se cauta “mai bun”
(optimul)
• Formulare matematica:
– Variabile de control (stare): x = (x1, x2 …, xn )T
– Functie obiectiv f ( x )
Scop : Sa se gaseasca combinatia de variabile de stare x* a.i.
f ( x* ) = min ( f ( x ) )
Obs: max ( f ( x ) ) = min ( - f ( x ) )
Pot exista conditii suplimentare → constrangeri: ci ( x ) = 0
cj (x) > 0
Introducere
Introducere
• Aplicatii:
Matematica, fizica, chimie, economie, prelucrari de
semnal, retele neuronale, clasificare, teoria deciziei,
etc.
Probleme tipice (utilizate in testarea algoritmilor)
(detalii la tabla)
Scalar xi
Vector xj = (x1j x2j ... xnj )T ,
Matrice B = ( bij ) i=1,n; j=1,m
Pt. matricele: A = ( aij ) i=1,m; j=1,n B = ( bij ) i=1,m; j=1,n C = ( cij ) i=1,m; j=1,n
se def operatiile:
adunarea: C = A + B, cij = aij + bij , pt. i=1,m; j=1,n
inmultirea cu un scalar : C = A, cij = aij , pt. i=1,m; j=1,n
Pentru A = ( aij ) i=1,m ;j=1,n B = ( bij ) i=1,n; j=1,p C = ( cij ) i=1,m; j=1,p
se def produsul a 2 matrice: C = A B
In =
simetrica daca A = AT
ortogonala daca A-1 = AT
unitara daca A-1 = A* (matricea conjugata )
diagonala daca aij = 0 pentru ij
Proprietati:
( A B )T = BT A T
Deoarece:
Notiuni
Notiunimatematice
matematicededebaza.
baza.Diferentiabilitate
Diferentiabilitate
Fie X Rn si x 0 X, x 0 =(x10, x20,... , xn0)T
, i=1,n
f( x ) = bT x + c
Gradientul: g f = f( x ) = b
Hessiana: H f (x) = 0
Notiuni matematice de baza. Tipuri de functii
f( x ) = xT A x + bT x + c
unde: x X este vectorul variabilelor (de control)
A = ( aij ) i=1,n; j=1,n matrice nxn de val. const.
b R n este un vector de valori constante
c R este un scalar
Gradientul: g f = f( x ) = (A + AT) x + b , daca A nesimetrica
2 A x + b , daca A simetrica
1! 2! k!
( δ kx +1 )
(k)
unde: f x0
(...) este diferentiala lui f de ordinul k in x0
2
Obs: diferentiala ord 2
Notiuni matematice de baza. Seria lui Taylor
Consecinta a dezvoltarii in serie Taylor:
In vecinatatea optimului:
• gradientul: f(x*+x) 0
• deci, functia se aproximeaza foarte bine cu o
functie de gradul 2:
1 T
f(x + δ x ) f(x ) + δ x H f (x* ) δ x
* *
𝑓 𝑥+ −𝑓 𝑥
𝑓′ 𝑥 ≅ + 𝑂(2)
MILP (Mixed Integer LP): LP with integer variables and continuous variables
MINLP (Mixed Integer NLP): NLP with integer variables and continuous variables
Clasificarea...
Clasificarea Comentarii
problemelor de optimizare. Comentarii
Probleme opt. liniare, patratice, neliniare → exista algoritmi
specifici (cu performante optime) pentru functii obiectiv de tip
liniar si patratic. Pentru restul tipurilor de functii (cate sunt??)
nu exista algoritmi specifici, insa se aplica algoritmi pentru
functii patratice pentru aproximarile de gradul 2 ale functiei
obiectiv in etape succesive de optimizare, pana la obtinerea
unui optim suficient de bun.
Probleme opt. combinatoriala→ clasa speciala de probleme, in
care exista un numar limitat de “entitati”, de obicei etichetate
cu valori intregi (1...N), solutiile posibile fiind combinatii
(permutari) a “entitatilor” (siruri, de obicei de lungime
constanta, ale etichetelor in diverse oridini).
Ex.: Problema comis-voiajorului (TSP – traveling salesman
problem), detalii la tabla
Clasificarea...
Clasificarea Comentarii
problemelor de optimizare. Comentarii
Exista o mare diversitate de probleme de optimizare si, ca
urmare, s-au dezvoltat foarte multe metode/algoritmi pentru
determinarea solutiei de optim.
f( x )
optim global
f( x ) x > xP
optim
global
f( x*) = 0
Exemplu 1D
f‘ = 0 si f” 0
f(x)=x3, x=0 pct inflexiune f(x)=x4, x=0 pct minim
Conditiidedeoptimalitate.
Conditii optimalitateConditii suficiente.