Strongin metode
Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den
version , der blev gennemgået den 1. september 2017; checks kræver
2 redigeringer .
Strongins metode er en metode til at løse endimensionelle problemer med betinget Lipschitz-optimering. Giver dig mulighed for at finde en globalt optimal løsning på problemer med ulighedsbegrænsninger, forudsat at den objektive funktion af problemet og de venstre dele af ulighederne opfylder Lipschitz-betingelsen i søgeområdet.
Udtalelse af optimeringsproblemet
Det er nødvendigt at finde et punkt sådan, at . Det antages, at funktionerne og opfylder Lipschitz-betingelsen på intervallet .
![{\displaystyle x^{*}\in [a;\;b]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/27bd985512c40e5d83eb4215f4833e837d16e2de)
![{\displaystyle f(x^{*})=\min \venstre\{f(x)\kolon x\in [a;\;b],\;g_{j}(x)\leqslant 0,\; 1\leqslant j\leqslant m\right\}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/702d1b7ff1bcde451fb2e49bd804db94922aa4f0)
![f(x)](https://wikimedia.org/api/rest_v1/media/math/render/svg/202945cce41ecebb6f643f31d119c514bec7a074)
![{\displaystyle g_{j}(x),\;j={\overline {1,\;m))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/0fc133b824d2d881b9f80f3b90a3335ccb41c2a7)
![[a;\;b]](https://wikimedia.org/api/rest_v1/media/math/render/svg/bd61fc14fe3e48955630162550f6f2e23efc8ab5)
Angiv , så gælder følgende uligheder:
![{\displaystyle g_{m+1}(x)=f(x)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d78c5ac9f14d3589d5eee8e4086a87f5390be7a2)
![{\displaystyle j={\overline {1,\;m+1}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d67babdab8162cccda01cd00287af0182ae3e8e2)
hvor er Lipschitz konstanterne.
![{\displaystyle L_{j}\geqslant 0}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6d335f01a0833ad5ef88c823653cf9eeb6342011)
Beskrivelse af begrænsningsregnskabsordningen
Lad . Den nummererede begrænsning er opfyldt på alle punkter i regionen , hvilket kaldes tilladt for denne begrænsning. I dette tilfælde bestemmes det tilladte område af det oprindelige problem af ligheden:
![{\displaystyle Q_{0}=[a;\;b]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/7abc51abbc482398f79f12d887649b849fb72cf4)
![j](https://wikimedia.org/api/rest_v1/media/math/render/svg/2f461e54f5c093e92a55547b9764291390f0b5d0)
![{\displaystyle Q_{j}=\venstre\{x\in [a;\;b]\colon g_{j}(x)\leqslant 0\right\))](https://wikimedia.org/api/rest_v1/media/math/render/svg/aac2c6a54cd38b97872b6bc5c7060e8a284cb00e)
![Q](https://wikimedia.org/api/rest_v1/media/math/render/svg/8752c7023b4b3286800fe3238271bbca681219ed)
Testen på et tidspunkt består i den sekventielle beregning af mængdernes værdier , hvor værdien af indekset bestemmes af betingelserne:
![{\displaystyle x\in[a;\;b]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/5ef87bb1b156a2b2496cc122e53246cfcd05a2de)
![{\displaystyle g_{1}(x),\;\ldots ,\;g_{\nu}(x)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a1a9be0ba55a850f1d0b8e17d42b8e16fd717826)
![\nu](https://wikimedia.org/api/rest_v1/media/math/render/svg/c15bbbb971240cf328aba572178f091684585468)
Detekteringen af den første overtrådte begrænsning afslutter testen ved punkt . I det tilfælde, hvor punktet er gyldigt, det vil sige, at testen inkluderer beregningen af alle problemets funktioner. I dette tilfælde antages indeksværdien at være lig med .
![x](https://wikimedia.org/api/rest_v1/media/math/render/svg/87f9e315fd7e2ba406057a97300593c4802b53e4)
![x](https://wikimedia.org/api/rest_v1/media/math/render/svg/87f9e315fd7e2ba406057a97300593c4802b53e4)
![{\displaystyle x\in Q}](https://wikimedia.org/api/rest_v1/media/math/render/svg/33bbe7adad0c3b2481a14819121292fda3d74aa4)
![{\displaystyle \nu=m+1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/194cd7e0ac657470e30fd92f389237c65c6c6da3)
Det par , hvor indekset ligger inden for grænserne , kaldes testresultatet på punktet .
![{\displaystyle \nu =\nu (x),\;z=g_{\nu }(x)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/86ac1f7951785bb91e8e3b49f3bfc496f1e21aaa)
![\nu](https://wikimedia.org/api/rest_v1/media/math/render/svg/c15bbbb971240cf328aba572178f091684585468)
![{\displaystyle 1\leqslant \nu \leqslant m+1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/952428fd2f4a241cc9cfae9ad8d90472cfd7e5c1)
![x](https://wikimedia.org/api/rest_v1/media/math/render/svg/87f9e315fd7e2ba406057a97300593c4802b53e4)
Denne tilgang til test giver os mulighed for at reducere det oprindelige problem med funktionelle begrænsninger til det ubetingede problem med at minimere en diskontinuerlig funktion:
Her er en .
![{\displaystyle M=\max \venstre\{\nu (x)\kolon x\i [a;\;b]\højre\))](https://wikimedia.org/api/rest_v1/media/math/render/svg/f29480131c8168952593d0142c4d006494edd438)
![{\displaystyle g_{M}^{*}=\min \left\{g_{M}(x)\colon x\in \bigcap _{i=0}^{M-1}Q_{i}\right \}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/39fbe7d0c58179eeb7ae07d371732fdc57127c45)
I kraft af definitionen af tallet har problemet med at finde altid en løsning, og hvis , så .
![M](https://wikimedia.org/api/rest_v1/media/math/render/svg/f82cade9898ced02fdd08712e5f0c0151758a0dd)
![{\displaystyle g_{M}^{*}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b3e6c3b71c9310da28e0e3eb3d681f846d995fe0)
![{\displaystyle M=m+1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/2683bcc7eb0e831f8023766ca5f10556ac5519a6)
![{\displaystyle g_{M}^{*}=f(x^{*})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/2ed0e481604aab2a77d25b18348c399e05485c98)
En funktions buer er Lipschitz på mængder med konstant 1, og den kan selv have diskontinuiteter af den første slags på grænserne af disse mængder.
![\psi(x)](https://wikimedia.org/api/rest_v1/media/math/render/svg/a596a1fb4130a47f6b88c66150497338bd6cbccc)
![{\displaystyle \bigcap _{i=0}^{j}Q_{i},\;0\leqslant j\leqslant M-1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/20de20df282a6dae4e503a11c153a815144631ec)
![\psi(x)](https://wikimedia.org/api/rest_v1/media/math/render/svg/a596a1fb4130a47f6b88c66150497338bd6cbccc)
På trods af at værdierne af Lipschitz-konstanter og størrelsen ikke er kendt på forhånd, kan de estimeres i processen med at løse problemet.
![{\displaystyle g_{M}^{*}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b3e6c3b71c9310da28e0e3eb3d681f846d995fe0)
Beskrivelse af metoden
Lad . Endpoint-indekser antages at være nul, og deres værdier er udefinerede. Den første test udføres på punktet . Valget af ethvert efterfølgende testpunkt er underlagt følgende regler:
![{\displaystyle x^{0}=a,\;x^{1}=b}](https://wikimedia.org/api/rest_v1/media/math/render/svg/dd352ddf2dfd81fe51a0e56f4010eb65a7235b1d)
![z](https://wikimedia.org/api/rest_v1/media/math/render/svg/bf368e72c009decd9b6686ee84a375632e11de98)
![{\displaystyle x^{3}=(a+b)/2}](https://wikimedia.org/api/rest_v1/media/math/render/svg/3871f51f5a14d81ffc4a6afcfbdbc9cf7237c62e)
![{\displaystyle x^{k+1},\;k\geqslant 3}](https://wikimedia.org/api/rest_v1/media/math/render/svg/940316d148c05f916b6a797b4afebc202765dec1)
- Omnummerer punkterne i de tidligere tests med abonnenter i rækkefølge efter stigende værdier af koordinaten: og sammenlign dem med værdierne .
![k](https://wikimedia.org/api/rest_v1/media/math/render/svg/c3c9a2c7b599b37105512c5d570edc034056dd40)
![{\displaystyle a=x_{0}<\ldots <x_{i}<\ldots <x_{k}=b}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a26c0892dd4e24ca6ef76ee8a40ecbb8039a3735)
![{\displaystyle z_{i}=g_{\nu}(x_{i}),\;\nu =\nu (x_{i}),\;i={\overline {1,\;k))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f13207add14ddda6bd39c873c71150dc10445c79)
- For hvert heltal skal du bestemme det tilsvarende sæt af sænkede punkter på de punkter, hvor værdierne af funktionerne blev beregnet :
![{\displaystyle \nu ,\;1\leqslant \nu \leqslant m+1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/2713d16b3335e2bfc144409966cd5a0948a01ee1)
![{\displaystyle I_{\nu ))](https://wikimedia.org/api/rest_v1/media/math/render/svg/172f1a90292ff1160dabfbc32fd0dcb802fc9f98)
![{\displaystyle g_{\nu }(x)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/75e9299f8daafac8e20c68606d2d22814d97664f)
Bestem også den maksimale værdi af indekset![{\displaystyle M=\max\{\nu (x_{i}),\;1\leqslant i\leqslant k\}.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e16f57de9de2013a9e94ab6b041ae93613006275)
- Beregn aktuelle estimater for ukendte Lipschitz-konstanter:
Hvis sættet indeholder mindre end to elementer, eller hvis værdien er lig med nul, skal du acceptere .![{\displaystyle I_{\nu ))](https://wikimedia.org/api/rest_v1/media/math/render/svg/172f1a90292ff1160dabfbc32fd0dcb802fc9f98)
![{\displaystyle \mu _{\nu }}](https://wikimedia.org/api/rest_v1/media/math/render/svg/bedc28e6cb8050bb06755eeaa9a4750e1cec5fc4)
![{\displaystyle \mu _{\nu }=1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/64950c2221e76bd0e46099fdc42df4aa835e3255)
- Beregn estimater
for alle ikke-tomme sæt
![{\displaystyle I_{\nu},\;\nu ={\overline {1,\;M))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a2e02eb8fe3f070ed1c2f19527090a76b7498395)
hvor vektoren med ikke-negative koordinater kaldes reservevektoren .![{\displaystyle \varepsilon _{R}=(\varepsilon _{1},\;\ldots ,\;\varepsilon _{m})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/36d55f869f1aedabf3c5096bc60d649337aacaab)
- Beregn karakteristikken
for hvert interval
![{\displaystyle (x_{i-1};\;x_{i}),\;1\leqslant i\leqslant k}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f7bcf926547b17072002476a0fd39eadcb4bfc2e)
hvor .
Værdierne er parametrene for algoritmen. De produkter, der bruges til at beregne egenskaberne som estimater af de ukendte Lipschitz-konstanter, afhænger af dem .![{\displaystyle r_{\nu }>1,\;\nu ={\overline {1,\;m))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d574e09544be2ee6b5cc41d4759ca36329d500d4)
![{\displaystyle r_{\nu }\mu _{\nu))](https://wikimedia.org/api/rest_v1/media/math/render/svg/88484404206e085016b06aef7726e32490968c89)
- Bestem det interval , som den maksimale karakteristik svarer til .
![{\displaystyle (x_{t-1};\;x_{t})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/47490679b0f8f61a1007099e848349d2cbc46c9f)
![{\displaystyle R(t)=\max\{R(i),\;1\leqslant i\leqslant k\))](https://wikimedia.org/api/rest_v1/media/math/render/svg/d633d0c9a16ebf181a9b744012be4ebfe3957128)
- Udfør endnu en test midt i intervallet, hvis indekserne for dets slutpunkter ikke stemmer overens:
![{\displaystyle (x_{t-1};\;x_{t})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/47490679b0f8f61a1007099e848349d2cbc46c9f)
Ellers test på punktet
stige med 1.![k](https://wikimedia.org/api/rest_v1/media/math/render/svg/c3c9a2c7b599b37105512c5d570edc034056dd40)
- Hvis ( er den angivne nøjagtighed af metoden), så stop algoritmen, ellers gå til trin 1.
![{\displaystyle x_{t}-x_{t-1}<\varepsilon }](https://wikimedia.org/api/rest_v1/media/math/render/svg/9203e5fbd542da3cc1df0c29e69732eb442836a4)
![\varepsilon >0](https://wikimedia.org/api/rest_v1/media/math/render/svg/e04ec3670b50384a3ce48aca42e7cc5131a06b12)
Tilstrækkelige betingelser for konvergens
Lad det oprindelige optimeringsproblem have en løsning, og følgende betingelser er opfyldt:
![x^{*}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e5be23ee5d433f8b576e63bcb47518128ee0b6bb)
- hvert område er en forening af et endeligt antal segmenter med en positiv længde;
![{\displaystyle Q_{j},\;j={\overline {1,\;m))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a891d270266d80cfa43ed3f851652075dba9c18a)
- hver funktion opfylder Lipschitz-betingelsen med den tilsvarende konstant ;
![{\displaystyle g_{j}(x),\;j={\overline {1,\;m+1))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/aaa228306c5ed6ac3bdcfe27169b5e3772dd0d17)
![{\displaystyle L_{j))](https://wikimedia.org/api/rest_v1/media/math/render/svg/63e5d0de7f7de1196da1f476d04e2360a9c3eed2)
- komponenterne i reservevektoren opfylder ulighederne , hvor er længden af segmentet, der ligger i det tilladte område og indeholder punktet ;
![{\displaystyle 0\leqslant 2\varepsilon _{\nu }<L_{\nu }(\beta -\alpha )}](https://wikimedia.org/api/rest_v1/media/math/render/svg/7b9f97597d5640d531ddc3b5f4eeb63ec0e7533a)
![\beta-\alfa](https://wikimedia.org/api/rest_v1/media/math/render/svg/91631b725fdbf7bc91258e42dae90b2a47900c71)
![{\displaystyle [\alpha ;\;\beta ]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/2f5b956d4b0fc9694033e11f66785855aa5c2fae)
![Q](https://wikimedia.org/api/rest_v1/media/math/render/svg/8752c7023b4b3286800fe3238271bbca681219ed)
![x^{*}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e5be23ee5d433f8b576e63bcb47518128ee0b6bb)
- ud fra en eller anden værdi opfylder de mængder, der svarer til ikke-tomme sæt , ulighederne .
![k](https://wikimedia.org/api/rest_v1/media/math/render/svg/c3c9a2c7b599b37105512c5d570edc034056dd40)
![{\displaystyle \mu _{\nu }}](https://wikimedia.org/api/rest_v1/media/math/render/svg/bedc28e6cb8050bb06755eeaa9a4750e1cec5fc4)
![{\displaystyle I_{\nu ))](https://wikimedia.org/api/rest_v1/media/math/render/svg/172f1a90292ff1160dabfbc32fd0dcb802fc9f98)
![{\displaystyle r_{\nu }\mu _{\nu }>2L_{\nu))](https://wikimedia.org/api/rest_v1/media/math/render/svg/6962c54c64a65d7bdbf98d2a6a237774f0bdb735)
Så er følgende sandt:
- punktet er grænsepunktet for sekvensen genereret af metoden i stoptilstanden;
![x^{*}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e5be23ee5d433f8b576e63bcb47518128ee0b6bb)
![{\displaystyle \{x^{k}\}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/edb9779aeea37534e64adcd92190c3a83067cc0c)
![\varepsilon=0](https://wikimedia.org/api/rest_v1/media/math/render/svg/0cbe653d369abd71fc0be98efbf59e9edc1bdfb2)
- ethvert grænsepunkt for sekvensen er en løsning på det oprindelige optimeringsproblem;
![x^0](https://wikimedia.org/api/rest_v1/media/math/render/svg/1871ffeb57c11624b375dbb7157d5887c706eb87)
![{\displaystyle \{x^{k}\}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/edb9779aeea37534e64adcd92190c3a83067cc0c)
- konvergens til grænsepunktet er tosidet, hvis .
![x^0](https://wikimedia.org/api/rest_v1/media/math/render/svg/1871ffeb57c11624b375dbb7157d5887c706eb87)
![{\displaystyle x^{0}\neq a,\;x^{0}\neq b}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b8cb75d534f8bfe3baa9e4727a4d02910bc73acc)
Metodeændringer
Parallel modifikation
Det generelle skema for den sekventielle metode er som følger:
- Sorter punkterne for tidligere tests i stigende rækkefølge efter deres koordinater: .
![{\displaystyle a=x_{0}<\ldots <x_{i}<\ldots <x_{k}=b}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a26c0892dd4e24ca6ef76ee8a40ecbb8039a3735)
- Beregn karakteristikken for hvert interval .
![{\displaystyle (x_{i-1};\;x_{i}),\;1\leqslant i\leqslant k}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f7bcf926547b17072002476a0fd39eadcb4bfc2e)
![{\displaystyle R(i)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/50fdbaa1b154932ed8ce2ba9944d3fa8502311a6)
- Bestem det interval , som den maksimale karakteristik svarer til .
![{\displaystyle (x_{t-1};\;x_{t})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/47490679b0f8f61a1007099e848349d2cbc46c9f)
![{\displaystyle R(t)=\max\{R(i),\;1\leqslant i\leqslant k\))](https://wikimedia.org/api/rest_v1/media/math/render/svg/d633d0c9a16ebf181a9b744012be4ebfe3957128)
- Udfør den næste test på det punkt , hvor reglen er for at placere det næste testpunkt i intervallet med tallet .
![{\displaystyle x^{k+1}=d(t)\in (x_{t-1};\;x_{t})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/15061a10d00a6d0f396263edb0460bb69ac0ec06)
![{\displaystyle d(t)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e115e742b9743138b3f4c1fd7cf9c7263dcdbe43)
![t](https://wikimedia.org/api/rest_v1/media/math/render/svg/65658b7b223af9e1acc877d848888ecdb4466560)
- Tjek om stopkriteriet er opfyldt .
![{\displaystyle x_{t}-x_{t-1}<\varepsilon }](https://wikimedia.org/api/rest_v1/media/math/render/svg/9203e5fbd542da3cc1df0c29e69732eb442836a4)
Parallel modifikation består i, at i trin 3, i stedet for et interval med den bedste karakteristik, skal du vælge intervaller i faldende rækkefølge af karakteristika og udføre test i hver af dem parallelt.
![p>1](https://wikimedia.org/api/rest_v1/media/math/render/svg/0f127e7a5f2449ddf3edb8164c2d2439120641f9)
Parallel algoritme skema:
- Sorter punkterne for tidligere tests i stigende rækkefølge efter deres koordinater: .
![{\displaystyle a=x_{0}<\ldots <x_{i}<\ldots <x_{k}=b}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a26c0892dd4e24ca6ef76ee8a40ecbb8039a3735)
- Beregn karakteristikken for hvert interval .
![{\displaystyle (x_{i-1};\;x_{i}),\;1\leqslant i\leqslant k}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f7bcf926547b17072002476a0fd39eadcb4bfc2e)
![{\displaystyle R(i)}](https://wikimedia.org/api/rest_v1/media/math/render/svg/50fdbaa1b154932ed8ce2ba9944d3fa8502311a6)
- Sorter karakteristika for intervaller i faldende rækkefølge: .
![{\displaystyle R(i_{1})>\ldots >R(i_{k})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/7fd7a5d7a295a9e62a13797f51b51669fbf9f1a5)
- For alle intervaller med tal , test på punkter .
![{\displaystyle i_{1},\;\ldots ,\;i_{p))](https://wikimedia.org/api/rest_v1/media/math/render/svg/c07f23d24fc47d8aad0231cadba3205582427d03)
![{\displaystyle x^{k+j}=d(i_{j})\in (x_{i_{j}-1};\;x_{i_{j))),\;j={\overline { 1,\;p}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/77697410671f550c742ae782da6e062a25ecc3e2)
- Tjek om stopkriteriet er opfyldt: .
![{\displaystyle \exists j,\;1\leqslant j\leqslant p\colon x_{i_{j}}-x_{i_{j}-1}<\varepsilon }](https://wikimedia.org/api/rest_v1/media/math/render/svg/b0e3c67e51e8fc26a506c6884332f45b2799ba94)
En sådan paralleliseringsordning er hensigtsmæssig, hvis testen (det vil sige beregningen af opgavefunktionerne) er en arbejdskrævende proces.
Ændring til løsning af problemer med Hölder-funktioner
Metoden er ganske enkelt generaliseret til det tilfælde, hvor funktionerne opfylder Hölder-betingelsen med eksponenten , hvor , dvs.
![{\displaystyle g_{j}(x),\;j={\overline {1,\;m+1))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/aaa228306c5ed6ac3bdcfe27169b5e3772dd0d17)
![1/n](https://wikimedia.org/api/rest_v1/media/math/render/svg/f0e10667bad240500f5044257143510127e03d69)
![n\in \mathbb{N}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d059936e77a2d707e9ee0a1d9575a1d693ce5d0b)
![{\displaystyle |g_{j}(x+\Delta x)-g_{j}(x)|\leqslant H_{j}(\Delta x)^{1/n},\;a\leqslant x+\Delta x \leqslant b}](https://wikimedia.org/api/rest_v1/media/math/render/svg/7e2c964629c677c3272d9603a993a5ee72483cbe)
.
I trin 3 beregnes værdierne ved hjælp af formlen:
![{\displaystyle \mu _{\nu }}](https://wikimedia.org/api/rest_v1/media/math/render/svg/bedc28e6cb8050bb06755eeaa9a4750e1cec5fc4)
Ved trin 5 .
![{\displaystyle \Delta _{i}=(x_{i}-x_{i-1})^{1/n))](https://wikimedia.org/api/rest_v1/media/math/render/svg/aaff79a5070ccb6d9f803b8f4dcb3c817285f3b5)
I trin 7, hvis indekserne for endepunkterne stemmer overens
Ved trin 8 har stopkriteriet formen .
![{\displaystyle (x_{t}-x_{t-1})^{1/n}<\varepsilon }](https://wikimedia.org/api/rest_v1/media/math/render/svg/b893ea1036acfc84282790964730158d0371d551)
Noter
- Parametrene er ansvarlige for metodens pålidelighed. Jo større deres værdier, jo flere iterationer af metoden er nødvendige for at opnå en given nøjagtighed, og jo mere sandsynligt er konvergensbetingelsen 4 opfyldt .
![{\displaystyle r_{\nu))](https://wikimedia.org/api/rest_v1/media/math/render/svg/388e1890fbd0bcc3ead172bd2c562ebd9f2d711e)
![{\displaystyle r_{\nu))](https://wikimedia.org/api/rest_v1/media/math/render/svg/388e1890fbd0bcc3ead172bd2c562ebd9f2d711e)
![{\displaystyle R(i)=\Delta _{i))](https://wikimedia.org/api/rest_v1/media/math/render/svg/009b01ab1aa189e83cfd49b83515f81231a59689)
- Brugen af en ikke-nul reservevektor gør det muligt at accelerere konvergensen af metoden, men i dette tilfælde er det nødvendigt at evaluere muligheden for at opfylde konvergensbetingelsen 3.
- Den endimensionelle metode kan anvendes til at løse multidimensionelle problemer uden begrænsninger. Det multidimensionelle problem på sættet er repræsenteret som
![{\displaystyle S=\{(x_{1},\;\ldots ,\;x_{n})\in \mathbb {R} ^{n}\colon a_{i}\leqslant x_{i}\leqslant b_{i},\;i={\overline {1,\;n}}\}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/1406fcb93596795f1845be1baf5080b22563f698)
For at løse problemet , hvor en-dimensionel algoritme kan bruges, men for at beregne værdien af funktionen , er det nødvendigt at løse dimensionsoptimeringsproblemet .
![{\displaystyle \min _{a_{1}\leqslant x_{1}\leqslant b_{1}}\phi (x_{1})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c95d508a76b797588839b9ed469abc161411bc84)
![{\displaystyle \phi (x_{1})=\min _{a_{2}\leqslant x_{2}\leqslant b_{2}}\ldots \min _{a_{n}\leqslant x_{n}\ leqslant a_{n}}f(x_{1},\;\ldots ,\;x_{n})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e7e234637260a29765294b5ea1ba806c1c976429)
![{\displaystyle \phi (x_{1})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/ee284ce5dd16a5064c2d22621b4ed84ffe8a1ed0)
![n-1](https://wikimedia.org/api/rest_v1/media/math/render/svg/fbd0b0f32b28f51962943ee9ede4fb34198a2521)
Hvis , så løses problemet ved en endimensionel metode (værdien af variablen er fast), ellers anvendes dimensionsreduktionsproceduren også på den. Denne metode til at løse multidimensionelle problemer er ret besværlig, derfor er den i praksis anvendelig til . Tilstedeværelsen af ikke-lineære funktionelle begrænsninger kan føre til tab af Lipschitz egenskaber i hjælpe endimensionelle problemer.
![n=2](https://wikimedia.org/api/rest_v1/media/math/render/svg/a02c8bd752d2cc859747ca1f3a508281bdbc3b34)
![{\displaystyle \min _{a_{2}\leqslant x_{2}\leqslant b_{2}}f(x_{1},\;x_{2})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/30f5ba4360e1971606cae557ca150f53c902935f)
![x_{1}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a8788bf85d532fa88d1fb25eff6ae382a601c308)
![{\displaystyle n\leqslant 5}](https://wikimedia.org/api/rest_v1/media/math/render/svg/b80d2539dbc09a395d2d1b5819ad1ded91cceff2)
Litteratur
- Barkalov K. A., Strongin R. D. Global optimeringsmetode med adaptiv begrænsningskontrolrækkefølge // Zh. Vychisl. matematik. og mat. fysisk - 2002. - T. 42. - Nr. 9. - s. 1338-1350.
- Gorodetsky S. Yu., Grishagin VA Ikke-lineær programmering og multi-ekstrem optimering. - Nizhny Novgorod: Nizhny Novgorod University Press, 2007.
- Strongin R. G. Numeriske metoder i multiekstremale problemer (informationsstatistiske algoritmer). - M. : Nauka, 1978. - 240 s.
- Sergejev Ja. D., Grishagin VA Sekventielle og parallelle algoritmer til global optimering // Optimization Methods and Software, 3:1-3, 1994, pp. 111-124.
- Markin D. L., Strongin R. G. En metode til løsning af multiekstremale problemer med ikke-konvekse begrænsninger ved hjælp af a priori information om de optimale estimater // Zh. Vychisl. matematik. og mat. Fiz., 27:1 (1987), s. 56-62.
Links
- [1] - implementering af metoden i C++.
- [2] - C++ implementering af ændringen af metodemetoden til løsning af multikriterium multidimensionelle problemer.