Економіко-математичне моделювання

Економіко-математичне моделювання Економіко-математичне моделювання

library.tneu.edu.ua
from library.tneu.edu.ua More from this publisher
19.07.2013 Views

для цієї групи методів є градієнтні. Непрямі методи полягають у зведенні задачі до такої, знаходження оптимального розв’язку якої вдається спростити. Найпоширенішими методами цього класу є методи квадратичного програмування. Оптимізаційні задачі, на змінні яких накладаються обмеження, розв’язуються методами класичної математики. Оптимізацію з обмеженнями-рівностями виконують методами зведеного градієнта, наприклад, методом множників Лагранжа. У задачах оптимізації з обмеженнями-нерівностями досліджують необхідні та достатні умови існування екстремуму Куна-Таккера. Розглянемо метод множників Лагранжа на прикладі такої задачі нелінійного програмування: , ,..., ) max(min) , x x x f Z = (6.3) ( 1 2 n q ( x , x ,..., x ) i 1 2 n bi ,..., , ( x x x i 1 2 n = , i = 1, m, (6.4) де ( , ,..., ) 1 2 n x x x f та q ) – диференційовані. Ідея методу Лагранжа полягає в заміні окресленої задачі простішою – знаходження екстремуму складнішої функції, але без обмежень. Ця функція називається функцією Лагранжа і записується у вигляді: L( x , x ,..., x ; λ , λ ,..., λ ) = f ( x , x ,..., x ) + λ [ q ( x , x ,..., x ) − b ], (6.5) 1 2 n 1 2 m 1 2 де λ – невизначені поки що величини, так звані множники Лагранжа. i Необхідною умовою екстремуму функції багатьох змінних є рівність нулю частинних похідних стосовно всіх змінних функції. Візьмемо ці частинні похідні і прирівняємо їх до нуля: ⎧ ∂L ⎪ = 0, j = 1, n, ⎪∂x j ⎨ ⎪ ∂L = 0, i = 1, m, ⎪⎩ ∂λi або m ⎧∂f ( x1, x2,..., xn ) ∂qi ( x1, x2,..., xn ) ⎪ + ∑ λi = 0, j = 1, n, ⎨ ∂x j i= 1 ∂x j ⎪ ⎩qi ( x1, x2,..., xn ) − bi = 0 i = 1, m. Отримуємо систему (m+n) рівнянь із (m+n) невідомими, * розв’язавши яку, знайдемо X = ( x , x ,..., x ) та λ = ( λ , λ ,..., λ ) – 1 2 n 0 1 2 m стаціонарні точки. Оскільки їх знайдено з необхідної умови 192 n m ∑ i= 1 i i 1 2 n i

екстремуму, то в них можливий максимум або мінімум. Іноді стаціонарна точка є сідловою (точкою перегину графіка функції). Теорема. Нехай в околі критичної точки (x0; y0) функція f(x, y) має неперервні частинні похідні до другого порядку включно. Розглянемо вираз ( ) ( ) ( ) ( ) 2 2 2 2 ∂ f x, y ∂ f x, y ⎛ ∂ f x, y ⎞ D x, y = ⋅ − ⎜ ⎟ . 2 2 ∂x ∂y ⎝ ∂x∂y ⎠ 1) Якщо D ( x , y ) > 0, то в точці (x0; y0) функція f(x, y) має такі 0 0 екстремуми: 2 ∂ f ( x , y ) 0 0 а) досягає свого максимального значення, якщо < 0; 2 ∂x 2 ∂ f ( x , y ) 0 0 б) досягає свого мінімального значення, якщо > 0; 2 ∂x 2) Якщо D ( x , y ) < 0 , то в точці (x0; y0) функція f(x, y) не має 0 0 екстремумів. 3) Якщо D ( x , y ) = 0, то в точці (x0; y0) для функції f(x, y) 0 0 екстремуми можуть існувати чи не існувати. Для наглядності в деяких випадках цю теорему формулюють інакше. Складаємо матрицю такого виду: 2 2 ⎡ ∂ Z ∂ Z ⎤ ⎢ 2 ∂x ∂x∂y ⎥ H ( x, y) = ⎢ 2 2 ⎥ . ⎢ ∂ Z ∂ Z ⎥ 2 ⎢⎣ ∂y∂x ∂y ⎥⎦ 2 ∂ Z Обчислюємо H ( x, y) = і визначник матриці H ( x, y) : 1 2 ∂x 2 2 ∂ Z ∂ Z 2 2 2 2 2 2 2 2 2 ∂x ∂x∂y ∂ Z ∂ Z ∂ Z ∂ Z ∂ Z ∂ Z ⎛ ∂ Z ⎞ H 2( x, y) = 2 2 = ⋅ − ⋅ = ⋅ − ⎜ ⎟ . 2 2 2 2 ∂ Z ∂ Z ∂x ∂y ∂y∂x ∂x∂y ∂x ∂y ⎝ ∂x∂y ⎠ 2 ∂y∂x ∂y Якщо H ( x , y ) = D( x , y ) > 0, то в точці (x0; y0) досліджувана 2 0 0 0 0 функція має екстремум. Якщо при цьому H ( x , y ) > 0, то в окресленій точці функція 1 0 0 досягає мінімального значення; якщо H ( x , y ) < 0, то – 1 0 0 максимального значення. Розв’яжемо методом множників Лагранжа таку задачу. 193

екстремуму, то в них можливий максимум або мінімум. Іноді<br />

стаціонарна точка є сідловою (точкою перегину графіка функції).<br />

Теорема. Нехай в околі критичної точки (x0; y0) функція f(x, y)<br />

має неперервні частинні похідні до другого порядку включно.<br />

Розглянемо вираз<br />

( )<br />

( ) ( ) ( ) 2<br />

2<br />

2<br />

2<br />

∂ f x,<br />

y ∂ f x,<br />

y ⎛ ∂ f x,<br />

y ⎞<br />

D x,<br />

y = ⋅ − ⎜ ⎟ .<br />

2<br />

2<br />

∂x<br />

∂y<br />

⎝ ∂x∂y<br />

⎠<br />

1) Якщо D ( x , y ) > 0,<br />

то в точці (x0; y0) функція f(x, y) має такі<br />

0 0<br />

екстремуми:<br />

2<br />

∂ f ( x , y ) 0 0<br />

а) досягає свого максимального значення, якщо < 0;<br />

2<br />

∂x<br />

2<br />

∂ f ( x , y ) 0 0<br />

б) досягає свого мінімального значення, якщо > 0;<br />

2<br />

∂x<br />

2) Якщо D ( x , y ) < 0 , то в точці (x0; y0) функція f(x, y) не має<br />

0 0<br />

екстремумів.<br />

3) Якщо D ( x , y ) = 0,<br />

то в точці (x0; y0) для функції f(x, y)<br />

0 0<br />

екстремуми можуть існувати чи не існувати.<br />

Для наглядності в деяких випадках цю теорему формулюють<br />

інакше. Складаємо матрицю такого виду:<br />

2<br />

2<br />

⎡ ∂ Z ∂ Z ⎤<br />

⎢ 2<br />

∂x<br />

∂x∂y<br />

⎥<br />

H ( x,<br />

y)<br />

= ⎢ 2<br />

2 ⎥ .<br />

⎢<br />

∂ Z ∂ Z<br />

⎥<br />

2<br />

⎢⎣<br />

∂y∂x<br />

∂y<br />

⎥⎦<br />

2<br />

∂ Z<br />

Обчислюємо H ( x,<br />

y)<br />

= і визначник матриці H ( x,<br />

y)<br />

:<br />

1<br />

2<br />

∂x<br />

2 2<br />

∂ Z ∂ Z<br />

2 2 2 2<br />

2<br />

2<br />

2<br />

2 2<br />

∂x<br />

∂x∂y<br />

∂ Z ∂ Z ∂ Z ∂ Z ∂ Z ∂ Z ⎛ ∂ Z ⎞<br />

H 2(<br />

x,<br />

y)<br />

= 2 2 = ⋅ − ⋅ = ⋅ − ⎜ ⎟ .<br />

2 2<br />

2 2<br />

∂ Z ∂ Z ∂x<br />

∂y<br />

∂y∂x<br />

∂x∂y<br />

∂x<br />

∂y<br />

⎝ ∂x∂y<br />

⎠<br />

2<br />

∂y∂x<br />

∂y<br />

Якщо H ( x , y ) = D(<br />

x , y ) > 0,<br />

то в точці (x0; y0) досліджувана<br />

2 0 0<br />

0 0<br />

функція має екстремум.<br />

Якщо при цьому H ( x , y ) > 0,<br />

то в окресленій точці функція<br />

1 0 0<br />

досягає мінімального значення; якщо H ( x , y ) < 0,<br />

то –<br />

1 0 0<br />

максимального значення.<br />

Розв’яжемо методом множників Лагранжа таку задачу.<br />

193

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!