Przykłady
Transkrypt
Przykłady
Teoria i metody optymalizacji Zadanie programowania liniowego PL Przykład zadania programowania liniowego PL max f (x) = cT x przy ograniczeniach max f (x) = 2x1 + 3x2 : przy ograniczeniach : x1 + x2 ≤ 4 A 1 x ≤ b1 x1 + x 2 ≥ 1 A2 x ≥ b2 − x1 + 3x2 ≥ 2 x ≥0 x1 ≥ 0, x 2 ≥ 0 dim x=n, dim c=n Macierze A1, A2 odpowiadają za współczynniki w m1 i m2 ograniczeniach dim A1 =[m 1 x n], dim A2 =[m 2 x n] Wektory b1, b2 odpowiadają za prawe strony ograniczeń dim b1=m1, dim b2=m2 Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ dim x=2, dim c=2 Macierze A1, A2 odpowiadają za współczynniki w 1 i 2 ograniczeniach dim A1 =[1 x 2], dim A2 =[2 x 2] Wektory b1, b2 odpowiadają za prawe strony ograniczeń dim b1=1, dim b2=2 Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ Przykład zadania programowania nieliniowego Zadanie sterowania siecią dystrybucji wody minimalizujące zuŜycie energii elektrycznej min f ( x ) = ( x1 − 2 ) + ( x 2 − 1) 2 2 przy ograniczeniach: x 12 ≤ x 2 x1 + x 2 ≤ 2 Dana jest sieć dystrybucji wody w postaci: m- węzłów, s - odbiorców z odpowiednimi potrzebami, w których utrzymywane jest odpowiednie ciśnienie oraz n łuków, kaŜdy łuk „i” charakteryzuje się przepływem yi: xi = ri yi2 sgn yi + d i Opis sieci: spadek ciśnienia xi na łuku „i”: gdzie: ri- opór hydrauliczny łuku „i” di- róŜnica wysokości geodezyjnych łuku „i” y∈ R n x∈ R n σ ∈R s Ograniczenia wynikające ze struktury sieci: I prawo Kirchhoff’a: Ay =σ A – macierz incydencji dla węzłów sieci wodociągowej, II prawo Kirchhoff’a: Bx =0 B – macierz oczkowa dla węzłów sieci wodociągowej. Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ Zadanie programowania kwadratowego Sterowanie siecią dystrybucji wody minimalizujące zuŜycie energii elektrycznej n min f ( y ) = ∑ f i ( yi ) max f (x ) = 0.5xT Ax + bT x x∈ X i =1 gdzie: : f i ( yi ) = xi yi = ri yi3 sgn yi + d i yi gdzie: { } X = x : DT x ≤ e, x ≥ 0 przy ograniczeniach: Ay =σ x- n-wymiarowy wektor zmiennych decyzyjnych, Bx=0 m - ilość ograniczeń liniowych, 2 i xi = ri y sgn yi + d i y∈ R n x∈ R n A =[aij] - macierz kwadratowa współczynników o wym. [n x n] σ ∈R s b- n-wymiarowy wektor współczynników funkcji celu D- macierz współczynników ograniczeń liniowych o wym. [m x n], e – wektor wyrazów wolnych w ograniczeniach o wym. [m x 1] Studia II stopnia kier. AiR NZ Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic 1 Teoria i metody optymalizacji Przykład zadania programowania kwadratowego Zadanie programowania ilorazowego: min f ( x ) = ( x1 − 2 ) + ( x 2 − 1) 2 2 extr f ( x ) = przy ograniczeniach: cT x dTx f : X → R1 przy ograniczeniach: c ≥ 0, d ≥ 0, x ≥ 0 x1 + x 2 ≤ 2 x1 ≥ 0, x 2 c∈ R n ≥ 0 oraz d ∈Rn x∈ R n A x ≤b dim A=[mxn] b∈ R m Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ Właściwe minimum lokalne Twierdzenie Weierstrass’a ∧ Funkcja f(x) ma w punkcie x właściwe minimum lokalne, jeŜeli istnieje takie, Ŝe: ∀x ∈ E δ >0 ) f (x ) < f ( x ) Funkcja f(x) ciągła na zwartym zbiorze rozwiązań dopuszczalnych [zbiorze ograniczonym i domkniętym] jest na tym zbiorze ograniczona i osiąga swe kresy tzn.: istnieją punkty E = X ∩∆ przy czym: Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ x1 , x2 ∈ X ) ∆ = {x : 0 < x − x < δ } ∧ takie, Ŝe dla kaŜdego Słabe minimum lokalne x x∈ X zachodzi: ∧ Funkcja f(x) ma w punkcie takie, Ŝe ∀x ∈ E l przy czym: x słabe minimum lokalne, jeŜeli istnieje δ l > 0 f ( x1 ) ≤ f ( x) ≤ f ( x2 ) ) ) f ( x ) ≤ f ( xl ) El = X ∩ ∆ l ) ∆ l = {x : 0 < x − x < δ l } Studia II stopnia kier. AiR NZ Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic Studia II stopnia kier. AiR NZ Teoria i metody optymalizacji Dr inŜ. Ewa Szlachcic 2