WYKŁAD nr 1
Transkrypt
WYKŁAD nr 1
1 WYKŁAD nr 1 1. Wstęp 1.1 Wprowadzenie do zagadnień optymalizacji Można przyjąć , że każde zadanie inżynierskie jest wywołane określoną potrzebą społeczną , a jego rozwiązaniem jest osiągnięcie konkretnego celu. Realizacja działań prowadzących do tego celu odbywa się w określonych warunkach, podlega wielu ograniczeniom, a samo osiągnięcie celu może być na ogół poddane ocenie jakościowej. Zasada racjonalnego gospodarowania (gdy cel i środki można uznać za skwantyfikowane ) wymaga , aby przy danym nakładzie środków osiągnąć maksimum realizacji celu, bądź też aby stopień realizacji celu osiągnąć przy minimalnym nakładzie środków . Pierwszy wariant postępowania zwany jest zasada największego efektu, drugi zasada oszczędności środków. Sposób użycia środków zgodny z zasadą racjonalnego gospodarowania nazywamy optymalnym , a zużycie środków w sposób nieoptymalny – marnotrawstwem. Pomimo ogromnej różnorodności problemów technicznych i ekonomicznych związanych z poszukiwaniem rozwiązań optymalnych , tzn. spełniających wymagania zasady racjonalnego gospodarowania lub ogólniej- najlepszy ze względu na przyjęty sposób oceny , wszystkie one dadzą się sformułować w dość jednolity sposób. Na ogół w optymalizowanym problemie występuje więc pewna funkcja wielu zmiennych z = f ( x1 , x2 ,..., xn ) (1.1) nazwana funkcją kryterialną lub funkcją celu lub wskaźnikiem jakości dla której należy wyznaczyć wartości zmiennych decyzyjnych x1 , x2 ,..., xn określających maksimum lub minimum tej funkcji. Zmienne decyzyjne muszą przy tym spełniać pewne warunki uboczne , • zapisywane w postaci układu „m” równań lub nierówności g i ( x1 , x 2 ,..., x n ) ≤, =, ≥ bi i = 1,..., m (1.2) nazwanego układem ograniczeń • oraz często tzw. warunki brzegowe , np. x j ≥ 0 dla j = 1,.., n Zapoznamy się z metodami wyznaczania zmiennych decyzyjnych spełniających nałożone na nie warunki , maksymalizujących lub minimalizujących funkcję celu f (•) co będziemy oznaczać f (•) → max lub f (•) → min (1.3) 2 1.2. Podział zadań optymalizacji Zadania optymalizacji , można sklasyfikować wg kilku różnych kryteriów, a mianowicie : 1. ze względu na postać funkcji celu i postaci ograniczeń: a) zadania programowania liniowego (funkcja celu i układ ograniczeń – są liniowe), b) zadania programowania nieliniowego, w tym • zadania programowania kwadratowego (funkcja celu w postaci sumy formy liniowej i kwadratowej , ograniczenia liniowe ), • zadania programowania wypukłego (minimalizacja wypukłej funkcji celu ograniczenia tworzą zbiór wypukły), • zadania programowania geometrycznego (minimalizacja sumy iloczynów potęg zmiennych decyzyjnych ). 2. ze względu na typ zmiennych decyzyjnych : a) zadania całkowitoliczbowe , b) zadania zerojedynkowe ( zmienne decyzyjne przybierać mogą tylko wartości 0 lub 1 ), c) zadania mieszane. 3. ze względu na charakter współczynników przy zmiennych decyzyjnych : a) zadania deterministyczne (wszystkie współczynniki i prawe strony układu ograniczeń są znane), b) zadania losowe (niektóre współczynniki lub prawe strony ograniczeń są zmiennymi losowymi ). 4. ze względu na liczbę funkcji celu : a) zadania jednokryterialne (skalarna funkcja celu) b) zadania wielokryterialne (więcej niż jedno kryterium , funkcja celu wektorowa) 5. zadania optymalizacji statycznej ( funkcja celu , ograniczenia nie są funkcjami innych zmiennych), 6. zadania optymalizacji dynamicznej (funkcja celu tzw. funkcjonał ( funkcja funkcji) i ograniczenia są równaniami różniczkowymi innych zmiennych ( najczęściej czasu t ). 7. ze względu na metodę rozwiązania: a) metody analityczne, b) metody numeryczne. Na ogół , każde zadanie optymalizacji można zaliczyć jednocześnie do kilku z wyżej wymienionych rodzajów, na przykład tzw. 3 Zadania optymalizacji Zadania programowania liniowego metody analityczne Zadania programowania nieliniowego optymalizacja statyczna metody numeryczne graficzne m.Simplex rozwiązania bazowe m. reverse Simplex inne metody wykorzystujące warunki konieczne i istnienie funkcji kryterialnej Metoda Mnożników Lagrange'a Metoda wykorzystująca warunki Kuhna-Tuckera zadania bez ograniczeń metody analityczne metody analityczne zadania z ograniczeniami równościowymi metody numeryczne Zasada optymalności Bellmana Zasada max Pontiagina M.funkcjonałów Lagrange'a metody numeryczne zadania z ograniczeniami nierównościowymi Programowanie dynamiczne M.gradientu w przestrzeni funkcyjnej sterowań metody bezgradientowe M.Hooka-Jeevesa M.rosenbrocka M.Gausa-Seidela M. gradientu prostego Zmodyfikowana m.Newtona metody gradientowe M. z zastosowaniem funkcji kary M. z zastosowaniem modyfikacji kierunków Rys.1.1 optymalizacja dynamiczna zadania bez ograniczeń zadania z ograniczeniami Przykładowy podział zadań optymalizacji zadanie transportowe można określić jako całkowitoliczbowe deterministyczne zadanie programowania liniowego z jednym kryterium, zadanie optymalizacji pracy zbiornika zasilającego w wodę kilku użytkowników przy znanej funkcji dopływu do zbiornika, jako dynamiczne zdeterminowane zadanie programowania nieliniowego z jedną funkcja celu. 4 Analizując podaną wyżej ogólną postać zapisu zadania optymalizacyjnego zauważmy , że różni się ona od sformułowania znanych nam dotychczas elementarnych zadań wyznaczania ekstremum funkcji wielu zmiennych, istnieniem ograniczeń zawężających obszar , w którym poszukiwane maksimum lub minimum ma występować. Bardzo często się zdarza ,że poszukiwane rozwiązanie znajduje się właśnie na granicy tego obszaru , co znacznie komplikuje całe zagadnienie. Ponadto , zwłaszcza w problemach technicznych , często funkcja celu nie jest różniczkowalna bądź wskutek występujących w niej nieciągłości, bądź w skutek postaci , dla której możliwe jest jedynie przybliżone ( numeryczne ) wyznaczenie pochodnych . Najczęściej , niezależnie od przyjętej techniki , rozwiązywania zadania optymalizacji przebiega w co najmniej dwóch etapach : 1. Zostaje wyznaczone rozwiązanie dopuszczalne (jeżeli istnieje) , tzn. taki wektor x = ( x1 , x 2 ,..., x n ), którego składowe spełniają układ ograniczeń oraz warunki brzegowe. 2. Zostaje wyznaczone rozwiązanie optymalne , dla którego nie tylko spełnione są ograniczenia , ale i funkcja celu osiąga wartość ekstremalną .Może też okazać się , że zadanie nie posiada rozwiązania , bądź też posiada nieskończenie wiele rozwiązań optymalnych. Warto pamiętać ,że często przy optymalizacji zadań wynikających z problemów technicznych rozwiązania dopuszczalne są znane , a więc wystarczy poszukiwać jedynie rozwiązania optymalnego .