Студопедия  
Главная страница | Контакты | Случайная страница

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Поиск экстремумов многомерной функции методом градиента

Методы оптимизации (поиска экстремумов) очень широко используются на практике. Существует большое разнообразие численных методов оптимизации, различающихся по размерности решаемой задачи (одно- и многомерные), по наличию ограничений (безусловные и условные), по способу формирования шага (градиентные, безградиентные, случайного поиска) и по другим признакам. Как правило, численные методы отыскания экстремума состоят в построении последовательности векторов , при поиске минимума удовлетворяющих условию:

. (12.1)

Обычно ищется минимум, отсюда и название – методы спуска, а к максимуму перейти достаточно просто.

В данных методических указаниях рассматриваются только градиентные методы без ограничений. В этих методах элементы последовательности вычисляются по формуле:

, (12.2)

где – направление спуска, αk – длина шага в этом направлении.

Направлением спуска является антиградиент:

(12.3)

а длина шага в различных методах определяется по-разному.

Метод градиента в чистом виде формирует шаг по переменным как функцию от градиента заданной функции f в текущей точке поиска. Простейший алгоритм поиска минимума для двумерной функции записывается в скалярном виде в соответствии с формулой:

, i = 1, 2, 3, … (12.4)


 

При использовании разностного метода Адамса проблемой является получение первых, так называемых «стартовых» точек, в нашем примере это y 0, y 1, y 2, y 3. Они могут быть получены с помощью шаговых методов точности не ниже третьего порядка, например методом Рунге-Кутта четвертого порядка.

Алгоритм метода.

1. Определяем стартовые точки y 0, y 1, y 2, y 3. Присваиваем значения A = y 0, B = y 1, C = y 2, D = y 3.

2. Вычисляем fA = f (x 0, A), fB = f (x 1, B), fC = f (x 2, C), fD = f (x 4, D).

3. Вычисляем новые значения сеточной функции

4. Если x 3 + hxкон, то конец вычислений, в противном случае перейдем к шагу 5.

5. Переприсваиваем x 3 = x 3 + h, fA = fB, fB = fC, fC = fD, fD = f (x 3, y), D = y.

6. Переход к шагу 3.

 

Дифференциальные уравнения к вариантам заданий приведены в таблице 8 лабораторной работы №10.

 
 

Таблица 2. Варианты заданий к лабораторной работе № 2.

№ вар. Уравнение Отрезок Заданная точность ε
  [1; 5] 10-3
  [0,5; 26] 10-4
  [-5; 3] 10-3
  [1; 3] 10-4
  [-2; 1] 10-3
  [0; 3] 10-4
  [2; 5] 10-3
  [-5; 1] 10-4
  [3; 10] 10-3
  [0; 10] 10-4
  [2; 10] 10-3
  [-2; 3] 10-4
  [-5; 5] 10-3
  [-3; 7] 10-4
  [0; 2] 10-3

 


 
 




Дата добавления: 2015-09-12; просмотров: 48 | Поможем написать вашу работу | Нарушение авторских прав

Nbsp;   ЛАБОРАТОРНАЯ РАБОТА № 1 | Решение нелинейных уравнений | Алгоритм метода | Алгоритм метода |


lektsii.net - Лекции.Нет - 2014-2024 год. (0.008 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав