1. Задать
.2. Найти n – количество вычислений функции из следующих соображений:
,где
– n–й член последовательности чисел Фибоначчи, определенной следующим образом: .3. Положить число итераций
.4. Определить значения пробных точек
и по формулам: , .5. Вычислить значения
и .6. Установить, какое соотношение существует между
и , и по нему определить направление перемещение границы:если
, то необходимо перейти к интервалу , положив ; иначе перейти к интервалу , положив .7. Если
, т.е. , то осуществляется переход к п.8, иначе – к п. 9.8. Положить число итераций
. Перейти к п. 4.9. Процесс заканчивается,
, .3.5 Метод золотого сечения
Метод «золотого сечения» почти столь же эффективен, как и метод Фибоначчи, однако при этом не требуется знать n - количество вычислений функции, определяемое вначале. Название «золотое сечение» определяется тем, что заданный отрезок делится на две части так, что отношение целого к большей части равно отношению большей части к меньшей. Метод гарантирует нахождение минимума в самых неблагоприятных условиях, однако он обладает медленной сходимостью. Алгоритм вычислений по методу золотого сечения следующий.
1.Задать
.2.Выбрать две внутренние точки
и , отстоящие от границ интервала на величину , где , т. е. ;3.Вычислить значения
и .4.Установить, какое соотношение существует между
и , и по нему определить направление перемещение границы:если
, то необходимо перейти к интервалу , положив ; иначе перейти к интервалу , положив .5.Определить величину
.6.Если
, то осуществляется переход к п.2, иначе – к п. 7.7.Процесс заканчивается, за минимальное значение функции принимается наименьшее из
и .2.6 Метод средней точки
(с использованием первой производной
оптимизируемой функции)
1.Задать значение погрешности нахождения точки минимума функции
.2.Взять пробную точку, равную
; вычислить .3.Осуществить проверку на окончание поиска. Если
, то поиск прекратить, полагая , и завершить решение задачи, найдя минимум целевой функции в этой точке, иначе перейти к п. 4.4.Сравнить
с нулем. Если , то продолжить поиск в интервале , положив при этом , иначе принять интервал и перейти к п.2.2.7 Метод Ньютона
(с использованием второй производной
оптимизируемой функции)
Данный метод применяется, если функция
имеет первую и вторую производную, причем вторая производная функции в заданном диапазоне больше нуля.Алгоритм вычислений по методу Ньютона следующий:
1. Задать погрешность определения точки минимума
.2. В качестве первой пробной точки взять
.3. Осуществить проверку на окончание поиска. Если
, то перейти к п. 5, иначе – к п. 4.4. Определить новую пробную точку:
; перейти к п. 3.5. Принять последнюю пробную точку за точку минимума и вычислить минимум целевой функции в этой точке.
3 Методы многомерной оптимизации
3.1 Метод многомерной оптимизации Гаусса – Зейделя (метод покоординатного спуска)
1. Задать погрешность определения местоположения точки минимума
(величина определяется содержанием решаемой задачи).2. Принять одну из переменных
( ) за переменную, по которой будет осуществляться минимизация. При этом всем другим переменным на первом шаге оптимизации присвоить некоторые фиксированные3. Задаться с некоторым шагом (величина шага обычно берется в интервале
значениями пробных точек переменной , и по значениям минимизируемой функции в этих точках определить направление изменения значений , обеспечивающее убывание функции. Значение , при котором функция имеет минимальное значение, принять за опорную точку, в окрестностях которой будет осуществляться дальнейший поиск. Если не существует такого направления перейти к п. 2, если ни по одной из переменных нет такого направления, закончить поиск, перейдя к п. 5.