Автор: Пользователь скрыл имя, 23 Марта 2012 в 09:50, курсовая работа
Метод Лагранжа базируется на нескольких ключевых идеях. Одна из них состоит в том, как искать минимум функции, если на функцию заданы некоторые ограничения. Этот приём теперь носит название «правило множителей Лагранжа»
Цель данной курсовой работы заключается в рассмотрении экстремумов функции одной и многих переменных и описании методов их нахождения.
Задача состоит в формулировании необходимых и достаточных условий существования максимума и минимума функции, выборе метода нахождения экстремумов и их полном математическом обосновании.
Введение…………………………………………………………………………...3
Глава I. Нахождение экстремумов функций многих переменных (нелинейное программирование)………………………………………………………………4
Понятие экстремумов………………………………………………………...5
Условия существования экстремумов……………………………………...6
Классический метод определения условного экстремума……………….16
Метод Лагранжа……………………………………………………………..17
Глава II. Исследование линейной и нелинейной моделей планирования производства……………………………………………………………………..22
2.1 Линейная модель оптимального планирования производства…………...22
2.2 Нелинейная модель оптимального планирования производства ………..25
Заключение………………………………………………………………………29
Список литературы……………………………………………………………...30
Рис.1.2. График
функции
Эта функция имеет максимум в начале координат; ему соответствует вершина M полусферы. Если линия L есть прямая, проходящая через точки А и В (ее уравнение x+y-1=0), то геометрически ясно, что для точек этой линии наибольшее значение функции достигается в точке , лежащей посередине между точками А и В. Это и есть точка условного экстремума (максимума) функции на данной линии; ей соответствует точка M1 на полусфере, и из рисунка видно, что ни о каком обычном экстремуме здесь не может быть речи.
Отметим,
что в заключительной части
задачи об отыскании
Приступим
теперь к практическому
Найдя значение х, при которых эта функция достигает экстремума, и определив затем из уравнения связи соответствующие им значения у, мы и получим искомые точки условного экстремума.
Так, в вышеприведенном примере из уравнения связи x+y-1=0 имеем y=1-х. Отсюда
Легко проверить, что z достигает максимума при х = 0,5; но тогда из уравнения связи y=0,5, и мы получаем как раз точку P, найденную из геометрических соображений.
Очень
просто решается задача на
условный экстремум и тогда,
когда уравнение связи можно
представить параметрическими
Если уравнение связи имеет более сложный вид и нам не удается ни явно выразить одну переменную через другую, ни заменить его параметрическими уравнениями, то задача отыскания условного экстремума становится более трудной. Будем по-прежнему считать, что в выражении функции z= f(x, y) переменная j(x, y) = 0. Полная производная от функции z= f(x, y) равна:
Где производная y`, найдена по правилу дифференцирования неявной функции. В точках условного экстремума найденная полная производная должна ровняться нулю; это дает одно уравнение, связывающее х и у. Так как они должны удовлетворять еще и уравнению связи, то мы получаем систему двух уравнений с двумя неизвестными
Преобразуем эту систему к гораздо более удобной, записав первое
уравнение в виде пропорции и введя новую вспомогательную неизвестную l: (знак минус перед l поставлен для удобства). От этих равенств легко перейти к следующей системе:
f`x=(x,y)+lj`x(x,y)=0, f`y(x,y)+lj`y(x,y)=0 (*),
которая вместе с уравнением связи j(x, y) = 0 образует систему трех уравнений с неизвестными х, у и l.
Эти уравнения (*) легче всего запомнить при помощи следующего правила: для того, чтобы найти точки, которые могут быть точками условного экстремума функции
Z= f(x, y) при уравнении связи j(x, y) = 0, нужно образовать вспомогательную функцию
Ф(х,у)=f(x,y)+lj(x,y)
Где l-некоторая постоянная, и составить уравнения для отыскания точек экстремума этой функции.
Указанная
система уравнений доставляет, как
правило, только необходимые
Необходимое условие экстремума
Если в точке X* функция z = f(X) имеет экстремум, то частные производные функции в этой точке раны нулю:
f'xi(X*) = 0, 1 = 1,2,..., n.
Следовательно, точки экстремума функции z = f(X) удовлетворяют системе уравнений:
Как и в случае одной переменной, необходимое условие не является достаточным для того, чтобы стационарная точка была точкой экстремума. Для получения достаточных условий следует определить в стационарной точке знак дифференциала второго порядка. Дифференциал второго порядка обозначается d2f(xl,x2,...,x„) и равен сумме произведений частных производных второго порядка на соответствующие приращения аргументов. Если от частной производной f’xi(X) найти частную производную по переменной Xj, то получим частную производную второго порядка по переменным Xi, Xj, которая обозначается f’’xixj (X). В этом случае
Достаточные условия экстремума
а) в стационарной точке Х0 функция
z = f(X) имеет максимум,
если d2f(X°) < 0, и минимум, если
d2f(X°) > 0, при любых , и
(в этих
случаях Х0 = X*), не обращающихся
в нуль одновременно;
б) если d2f(X )может принимать в зависимости от и
и положительные, и отрицательные значения, то в точке Х0 экстремума нет;
в) если d2f(X°) может обращаться в нуль не только при нулевых приращениях и , то вопрос об экстремуме остаетсяоткрытым.
Для функции двух переменных z = f(x1,x2) достаточные условия еще не очень сложны. Существуют четыре частные производные второго порядка: , , , . Из них две смешанные производные и , если непрерывны, то равны.
Найдем значение частных производных второго порядка в стационарной точке :
; ; ;
(можно убедиться, что а12=а21)
Тогда достаточные условия экстремума функции двух переменных имеют вид:
а) если
>0 и
a11 < 0 (a22 < 0), то в точке Х0
функция имеет
максимум:
если
>0 и
a11 > 0 (a22 > 0), то в точке
Х° — минимум (в этих случаях Х0 =
X*);
б) если <0, то экстремума нет;
в) если =0, то вопрос об экстремуме остается открытым.
Схема определения экстремума функции п переменных совпадает с правилами определения локального экстремума функции одной переменной.[3, стр. стр. 202-204]
1.3 Классический метод
Задача нелинейного программирования (задача НП) в общем виде формулируется так:
при ограничениях
где функции нелинейны.
В отличие от задачи ЛП для задач НП нет универсального метода решения.
В задаче ЛП допустимое множество R всегда является выпуклым с конечным числом крайних точек. Поэтому воспользовавшись симплекс-методом и перебрав только крайние точки, можно за конечное число шагов найти оптимальное решение. В задачах НП, наоборот, выпуклость допустимого множества и конечность числа его крайних точек совсем необязательны. Это и служит причиной основной трудности решения задач НП.
Для определения условного экстремума (то есть экстремума при ограничениях) можно воспользоваться методами дифференциального исчисления, когда функция имеет не ниже второй производной. [4]
1.4 Метод Лагранжа
Метод нахождения условного экстремума функции f(x), где , относительно m ограничений φi(x) = 0, i меняется от единицы до m.
Пусть задана задача НП при ограничениях-равенствах вида
Минимизировать (1.4.1)
при ограничениях
(1.4.2)
Предположим, что все функции – дифференцируемы. Введем набор переменных (число которых равняется числу ограничений), которые называются множителями Лагранжа, и составим функцию Лагранжа такого вида:
(4.2.3)
Справедливо такое утверждение для того чтобы вектор являлся решением задачи (1.4.1) при ограничениях, необходимо, чтобы существовал такой вектор , что пара векторов удовлетворяла бы системе уравнений
(1.4.4)
(1.4.5)
Покажем необходимость
минимизировать (1.4.6)
при ограничениях
(1.4.7)
Ограничения определяют допустимую область , которая представляет собой кривую в пространстве и является результатом пересечения и .
Допустим, что рассматриваемая задача имеет точку минимума в : , функции имеют непрерывные производные первого порядка на некотором открытом множестве и градиенты
линейно независимы.
Если две переменные в уравнениях (1.4.7) можно выразить через третью в виде , то подставив их в целевую функцию, преобразуем исходную задачу в следующую задачу без ограничений, которая содержит лишь одну переменную :
минимизировать . (4.2.8)
Поскольку градиенты , непрерывны и линейно независимы, то можно применить известную теорему математического анализа о неявной функции и найти стационарную точку , а потом .
Приведенный подход можно в принципе распространить и на случай функции переменных при наличии ограничений-равенств:
(1.4.9)
Если функции удовлетворяют условиям теоремы о неявной функции, то из переменных уравнений (1.4.9) можно выразить через остальные переменных, подставить их в и таким образом преобразовать задачу минимизации с ограничениями в задачу безусловной минимизации с переменными. Однако такой подход трудно реализовать на практике, поскольку очень трудно разрешить уравнения (4.2.9) относительно некоторых переменных. В общем случае это совсем невозможно. [5]
Поэтому рассмотрим другой подход, который базируется на методе множителей Лагранжа.
Пусть – точка минимума , определяемого выражением (1.4.8). В соответствии с известной теоремой математического анализа о неявной функции можно записать
(1.4.10)
Аналогичные соотношения получим для ограничений
(1.4.11)
Запишем уравнения (1.4.10), (1.4.11) совместно в виде
(1.4.12)
где
.
Поскольку вектор
не является нулевым, то из (1.42.12) следует,
что
. Из этого следует, что вектора-строки
матрицы A должны быть линейно зависимы.
Следовательно, существуют три таких скаляра
не все равные 0, что
. (1.4.13)
Скаляр а не может равняться 0, так как в соответствии с предположением и -линейно независимы. Поэтому после деления (5.2.13) на , получим
(1.4.14)
Таким образом, для задачи минимизации с ограничениями (1.4.6) существуют такие , для которых справедливо уравнение (1.4.14) и которые одновременно не обращаются в нуль. Итак, справедливость условий (1.4.4) для случая n=3 показана.
Таким образом, для отыскания минимума (1.4.6) при условиях (1.4.7) необходимо найти стационарную точку функции Лагранжа:
Для того чтобы найти искомые значения , необходимо решить совместно систему уравнений (1.4.14), (1.4.5). С геометрической точки зрения условие (1.4.14) означает, что лежит в плоскости, натянутой на векторы
Теперь рассмотрим общий случай для произвольных . Пусть задана задача НП в виде (1.4.1), (1.4.2), все функции имеют непрерывные частные производные на множестве . Пусть -подмножество множества , на котором все функции , то есть . Тогда справедлива такая теорема о множителях Лагранжа.
Теорема: Допустим, что существует такая точка , в которой достигается относительный экстремум задачи НП при условиях (1.4.2). Если ранг матрицы в точке равен , то существуют чисел , не все из которых равны нулю одновременно, при которых
(1.4.15)
Эта теорема обосновывает метод множителей Лагранжа, который состоит из следующих шагов.
Составляют функцию Лагранжа
Находят частные производные
Решают систему уравнений
(4.2.16)
и отыскивают точки , удовлетворяющие системе (1.4.16).
Найденные точки дальше исследуют на максимум (или минимум).[6, стр. 148-155]
Глава II. Исследование линейной и нелинейной моделей планирования производства
Информация о работе Исследование линейной и нелинейной моделей планирования производства