Автор работы: Пользователь скрыл имя, 16 Октября 2010 в 23:53, Не определен
Оптимизация - целенаправленная деятельность, заключающаяся в получении наилучших результатов при соответствующих условиях. Задачи оптимизации - это задачи нахождения максимального или минимального значения некоторой функции, называемой целевой функцией. Если заданы ограничения на аргументы данной функции, то задача называется задачей условной оптимизации, если ограничения не накладываются, то задачей безусловной оптимизации
Другая
сторона развития программного обеспечения
– ориентация на менее профессионально
подготовленного, “непрограммирующего
пользователя”. В этом случае пользователь
такого пакета получает возможность сосредоточиться
на сущности самой задачи, а не способах
ее программной реализации. Однако, в свою
очередь, пользователь должен ясно представлять
возможности используемого пакета и заложенных
в нем методов, а также уметь выбрать необходимый
пакет, соответствующий решаемой задаче.
Все этапы создания и использования математической
модели легко проследить при работе с
популярным пакетом MathCAD (фирма “MathSoft
Inc.”, USA).
MATHCAD
— универсальный
Разработчики пакета совершенствуют пакет от версии к версии. В настоящее время существет версия MATHCAD 13, обладающая еще большими возможностями. Существуют оригинальная (англоязычная) и русифицированная версии программы.
Что отличает пакет MATHCAD от калькулятора: вычисление с произвольной точностью, работа с различными типами данных (комплексные, векторы, матрицы), использование библиотеки математических функций (которая может быть дополнена программами на ФОРТРАНе).
Основное преимущество пакета перед типичными языками программирования — естественный математический язык, на котором формулируется решаемая задача.
Пакет объединяет в себе: редактор математических формул, интерпретатор для вычислений, библиотеку математических функций, процессор символьных преобразований, текстовый редактор, графические средства представления результатов. Пакет MATHCAD относится к интегрированным пакетам, т.е. позволяет не только произвести вычисления, но и получить документ - итоговый отчет с комментариями, формулами, таблицами и графиками. В отличие от издательских систем формулы в MATHCAD работают.
К положительным качествам MATHCAD следует отнести открытость - все приведенное в документе может быть воспроизведено, а интеграция в одном документе исходных данных, метода решения и результатов позволяет сохранить настройки для решения подобных задач.
Рис. 3 – Интерфейс программы Mathcad
Рис. 4 –
Интерфейс программы Microsoft Excel
Программа MS Excel является лидером на рынке программ обработки электронных таблиц, определяет тенденции развития в этой области.
Одним из важнейших функциональных расширений программы, предназначенным для профессионалов, является встроенная в Excel Среда программирования Visual Basic (VBA) для решения прикладных задач.
Основные возможности программы MS Excel:
3.Понятие
о численных методах
лежащих в основе
компьютерной реализации
процесса принятия
оптимизационных
решений
Разнообразие нелинейных задач математического программирования (с полной или неполной информацией) вызывает необходимость разработки методов оптимизации, не связанных непосредственно с анализом условий существования X* и целиком базирующихся на вычислительных и логических операциях.
Идеи этих методов обычно просты; как правило, они следуют из эвристических соображений, сводя проблему решения задачи к построению надлежащего алгоритма поиска X*, г*, причем желаемые свойства таких алгоритмов оговариваются заранее.
Численные методы играют значительную роль в решении важных для практики оптимизационных решений.
В отдельных случаях бывает трудно определить, к какому классу относится та или иная задача и существует ли для нее обоснованный метод решения.
На выбор метода может влиять стремление максимально использовать мощности ЭВМ с целью снижения затрат на исследования (если подобная перспектива реальна).
Указанные обстоятельства позволяют рассматривать численные методы оптимизации как необходимое средство решения проблем поиска оптимума в исследованиях, различных по содержанию и сложности.
Рассмотренные положения позволяют обосновать приемлемость тех или иных численных методов для решения экстремальных задач.
Вычисление определенных интегралов.
Рассмотрим пример: .
В
первую очередь необходимо создать
функцию, вычисляющую подынтегральное
выражение.
Для
вычисления интеграла вызовем функцию
quad, задав первым аргументом ссылку на
функцию fint, а вторым и третьим — нижний
и верхний пределы интегрирования.
По умолчанию функция quad вычисляет приближенное значение интеграла с точностью 10-6. Для изменения точности вычислений следует задать дополнительный четвертый аргумент:
Вычисление двойных интегралов.
В MATLAB определена функция dblquad для приближенного вычисления двойных интегралов. Как и в случае вычисления определенных интегралов, следует написать файл-функцию для вычисления подынтегрального выражения. Вычислим интеграл:
Следовательно,
функция должна содержать два
аргумента x и y:
Функция
dblquad имеет пять входных аргументов. При
ее вызове необходимо учесть, что первыми
задаются пределы внутреннего интеграла
по х, а вторыми — внешнего по у:
Интегралы, зависящие от параметра.
Функции quad и quadl позволяют находить значения интегралов, зависящих от параметров. Аргументами функции, вычисляющей подынтегральное выражение, должна быть не только переменная интегрирования, но и все параметры. Значения параметров указываются через запятую, начиная с шестого аргумента quad или quadl.
Решим интеграл:
Зададим
функцию
Используя quad, вычислим интеграл:
4.Идеи
методов одномерной
оптимизации
Численные методы оптимизации классифицируются следующим образом.
1.
По размерности решаемых задач:
Одномерная оптимизация: Метод сканирования. Метод деления пополам. Метод золотого сечения. Метод параболической аппроксимации.
Многомерная
безусловная градиентная
Многомерная безградиентная оптимизация: Метод Гаусса-Зайделя (покоординатный спуск). Метод Розенброка. Симплексный метод (метод дифференцируемого многогранника). Метод параллельных касательных.
Многомерная случайная оптимизация: Метод слепого поиска. Метод случайного направления. Метод поиска с «наказанной случайностью». Метод с «блуждающим» поиском.
Многомерная условная оптимизация: Метод штрафов. Метод прямого поиска с возвратом. Метод проектирования градиента.
Постановка:
требуется оптимизировать х (формальная
постановка)
- функция одной переменной
- целевая функция.
Решение: найти х, при котором принимает оптимальное значение.
2 варианта:
Рассмотрим случай
минимизации
2 способа:
В
аналитическом
задается в виде формулы, в численном
задается в виде черного ящика, на
входе подается х, на выходе значение целевой
функции в этой точке.
Информация о работе Компьютерные технологии решения оптимизационных задач управления