Documente Academic
Documente Profesional
Documente Cultură
monodimensionala
Introducere
Metoda Dihotomică de căutare
Metoda Fibonacci de căutare
Metoda Secţiunii de aur
Metoda de interpolare Pătratică
Metoda de interpolare Cubica
Metoda Davies, Swann, Campey
Introducere
Probleme de prima clasa sunt cel mai uşor de rezolvat, cele din clasa a treia
sunt cele mai dificile. În practică problemele de optimizare multidimensionale cu restrictii
se pot rezolva folosind subprobleme de optimizare multidimensionale fara restrictii care la
randul lor se rezolva folosind subprobleme de optimizare monodimensionale fara
restrictii.
Într-adevăr, cei mai multi algoritmi neliniari se bazeaza pe minimizarea funcţiilor la o
singură variabilă, fără restricitii. Prin urmare, eficienta algoritmilor de optimizare
monodimensionali sunt necesari, daca trebuie construirea eficienta a algoritmilor
multidimensionali liberi sau cu restrictii.
Problema de optimizare monodimensional este:
Minimizarea F = f(x);
Unde f(x) este o functie cu o variabila necunoscuta. Solutia acestei problemei este daca f(x)
va fi o functie unimadala(O funcţie f: R-> R este unimodală în cazul în care creşte la o valoare
maxima (minima), şi apoi scade (creste).
Teorema: Fie funcţia f:R→R şi intervalul [a,b] ⊂R. Dacă există α*∈[a,b]astfel încât ]abα f(α)
este strict descrescătoare pe [a, α*] şi strict crescătoare pe [α*,b] , atunci f(α) se numeşte
funcţie unimodală pe [a,b]. Intervalul [a,b]se numeşte interval de unimodalitate pentru
funcţia f(α).
Două metode generale de optimizare monodimensionale sunt folosite,
şi anume, metodele de căutare şi metode de aproximare.
Metodele de cautare in intervalul [] care contine o valoare , este stabilit şi apoi în
mod repetat redus pe baza evaluărilor funcţiei până la un interval redus [] , care
este suficient de mic.
Minimizarea poate presupune a fi centrul intervalului []. Aceste metodele pot fi
aplicate la orice funcţie şi nu este esenţiale ca functia f(x) sa fie derivabila.
Se are in vedere o functie unimodala(o functie de o singura variabila) despre care se stie
ca are un minim în intervalul [ xL , xU ]. Acest interval este declarat a fi intervalul de
incertitudine. Minimizarea lui x* din functia f (x) poate fi localizata prin reducerea
progresivă a intervalului de incertitudine până la un interval suficient de mic.
În cazul în care valoarea functiei f (x) este cunoscuta intr-un singur punct xadin intervalul
xL xa laxa sauxU
x L xa , xU < < punctul x* este la fel de probabil să fie din intervalul
la după cum este descris în Fig. 1 (a).
Prin urmare, informaţiile disponibile nu sunt suficiente pentru a permite reducerea
intervalului de incertitudine. Cu toate acestea, în cazul în care valoarea functiei f (x) este
cunoscuta în două puncte, să zicem, xaşi x b , o reducere imediată este posibilă. Trei
posibilităţi pot apărea, şi anume:
Fig. 1
b)
c)
Fiecare iteratie reduce intervalul de incertitudine la jumătate şi, prin urmare, după k iteraţii,
intervalul de incertitudine se reduce la:
𝟏 𝒌
𝑰𝒌 = ൬൰𝑰𝟎
𝟐
unde 𝑰𝟎 = 𝒙𝑼 - 𝒙𝑳 .
De exemplu, după 7 iteraţii intervalul de incertitudine ar fi redus la mai puţin de 1%
din intervalul iniţial. Corespunzătoare efortului de calcul ar fi de 14 evaluări ale funcţiei
de vreme ce două evaluări sunt necesare pentru fiecare iteraţie.
F 0 0 , F 1 1,
F i F i 1 F i 2
Astfel, fiecare număr Fibonacci este suma celor două numere Fibonacci anterioare,
rezultând secvența
Sirul lui Fibonacci este o secventa de numere in care fiecare numar se obtine din suma
precedentelor doua din sir.Astfel primele 10 numere ale sirului sunt:
0,1,1,2,3,5,8,13,21,34,55...
Metoda Fibonacci converge cu rata de convergenta τ . Din punctul de vedere al
numarului de puncte in care functia de minimizat trebuie evaluata, metoda Fibonacci
este optima, ea cerand cel mai mic numar de evaluari pentru a obtine un interval final
de lungime mai mica sau egala cu δ. In acest context si metoda sectiunii de aur este
aproximativ optima, dar ea cerand un numar de evaluari ceva mai mare. Totusi, fiind
mai simpla, metoda sectiunii de aur este mai cunoscuta si mai utilizata in algoritmii de
optimizare.
Metoda sectiunii de aur si a lui Fibonacci sunt metode de sectionare. Ideea acestor
metode de minimizare a functiilor unimodale pe intervalul [a, b] R este de a reduce
iterativ intervalul de incertitudine numai prin compararea valorilor functiei de minimizat.
De indata ce lungimea intervalului de incertitudine este mai mica decat un prag
prestabilit, atunci punctele din acest interval se pot considera aproximatii ale minimului
functiei in directia data. Aceasta clasa de metode utilizeaza numai valorile functiei §i
sunt utilizate in cadrul algoritmilor de optimizare, in special pentru probleme nenetede
sau a caror derivate a functiei de minimizat au expresii complicate [Gill, Murray §i
Wright, 1981].
Metoda de interpolare Patratica
p ( x) ao a1 x a2 x a3 x 2 3
Algoritmul Interpolarii Cubice
1. Se considera 3 punce x , x , x si o toleranta ε
1 2 3
2. Se calculeaza β, γ, ψ dupa urmatoarele ecuatii:
a1 , a 2 , a3 dupa ecuatiile: