Автор: Пользователь скрыл имя, 24 Марта 2014 в 17:12, контрольная работа
Уравнения, полученные посредством приравнивания нулю функциональной производной функционала по всем направлениям, идентичны обычным уравнениям Эйлера-Лагранжа. Динамические системы, чьи уравнения могут быть получены посредством принципа наименьшего действия для удобно выбранной функции Лагранжа, известны как лагранжевые динамические системы.
студента |
|
Номер личного дела |
|
Курс |
|
Поток |
|
Форма обучения |
периферия |
Руководитель |
Доцент Тутыгин А.Г. |
Архангельск
2012
Лагранжиа́н, функция Лагранжа динамической системы, названа в честь Жозефа Луи Лагранжа, является функцией обобщённых координат и описывает эволюцию системы. Например уравнения движения (для классической механики) в этом подходе получаются из принципа наименьшего действия, записываемого как:
где действие — функционал
а — обобщённые координаты (например, координаты частиц или полевые переменные), обозначает множество параметров системы, в случае классической механики — независимые пространственные координаты и время, а более широком еще электрические или другие физические параметры.
Уравнения, полученные посредством приравнивания нулю функциональной производной функционала по всем направлениям, идентичны обычным уравнениям Эйлера-Лагранжа. Динамические системы, чьи уравнения могут быть получены посредством принципа наименьшего действия для удобно выбранной функции Лагранжа, известны как лагранжевые динамические системы.
Метод множителей Лагранжа.
Рассмотрим общую задачу оптимизации, содержащую несколько ограничений в виде равенств: минимизировать f(x) при ограничениях gi (x)=0, j=1,...,k.
Эта задача в принципе может быть решена как задача безусловной оптимизации, полученная путем исключения из целевой функции k независимых переменных с помощью заданных равенств. Наличие ограничений в виде равенств фактически позволяет уменьшить размерность исходной задачи с n до n-k. В качестве иллюстрации рассмотрим следующий пример.
Минимизировать f(x)= x1 . x2 + x3 при ограничении:
g(x)= x1 +x 2+ x3 - 1 = 0.
Исключив переменную x3 с помощью уравнения g(x)=0, получим оптимизационную задачу с двумя переменными без ограничений:
f(x1 , x2) = x1 . x2 + (1 - x1 - x2) .
Метод исключения переменных применим лишь в тех случаях, когда уравнения, представляющие ограничения, можно разрешить относительно некоторого конкретного набора независимых переменных. При наличии большого числа ограничений в виде равенств, процесс исключения переменных становится весьма трудоемкой процедурой. Кроме того, возможны ситуации, когда уравнения не удается разрешать относительно переменной. В частности, если в приведенном примере ограничения g(x)=0 задать в виде g(x)= + + , то получить аналитическое выражение какой-либо из переменных через другие не представляется возможным. Таким образом, при решении оптимизационных задач, содержащих сложные ограничения в виде равенств, целесообразно использовать метод множителей Лагранжа. С помощью этого метода находят необходимые условия, позволяющие идентифицировать точки оптимума в задачах оптимизации с ограничением в виде равенств. При этом задача с ограничением в виде равенств, преобразуется в эквивалентную задачу безусловной оптимизации.
Рассмотрим задачу, имеющую несколько ограничений в виде равенств:
минимизировать f(x) при ограничениях (x)=0, при j=1,2,....,k.
В соответствии с методом множителей эта задача преобразуется в следующую задачу безусловной оптимизации:
минимизировать L(x)=f (x)- ,
где L(x, ) - функция Лагранжа, - множители Лагранжа.
На знак никаких требований не накладывается.
Приравниваем частные производные L(x, ) по x к нулю, получаем следующую систему n уравнений с n неизвестными:
... ,
Если найти решение приведенной выше системы в виде функций вектора оказывается затруднительным, то можно расширить систему путем включения в нее ограничений в виде равенств:
g1(x)=0,
g2(x)=0,
.........
gk(x)=0.
Решение расширенной системы, состоящей из n+k неизвестными, определяет стационарную точку функции L.
Пример.
Минимизировать при ограничении .
Соответствующая задача безусловной оптимизации записывается в следующем виде.
Минимизировать
Приравняв две компоненты градиента L к нулю, получим:
Поставив полученные значения в уравнение , получим, т.е. . Следовательно,
Ресурсы |
Норма затрат ресурсов на товары |
Общее количество ресурсов | |
1-го вида |
2-го вида | ||
1 |
2 |
2 |
12 |
2 |
1 |
2 |
8 |
3 |
4 |
0 |
16 |
4 |
0 |
4 |
12 |
0 |
6 | |
6 |
0 |
0 |
8 | |
4 |
0 |
0 |
-3 | |
0 |
2 |
А (0; 4) |
В (4; 2) |