Вектор grad составляет прямой угол с изолинией.
Вернемся к формуле:
Квадратичная аппроксимация (или квадратичное приращение)
Линейное отображение:
- линейное отображение, если:
1. свойство аддитивности - ;
2. свойство однородности -
Линейное отображение можно задать матрицей:
т
; ;
п - основная формула
1
|
|
отображение
2 задачи:
- решение системы уравнений
и обратное отображение – найти х
А-1 – обратное отображение;
следовательно строки матрицы ортогональны столбцам
другой матрицы
- нахождение собственных значений
Используя матрицу можно найти более сложную функцию: - квадратичная форма.
- функция нескольких переменных .
Рассмотрим подробнее.
Есть матрица:
- квадратичная форма
А и А/ определяют одну и ту же квадратичную форму следовательно значения этой формы не однозначно. Если по заданной квадратичной форме найдем симметрию, то она будет однозначная.
;
;
Без ограничения общности можно считать, что матрица определяющая квадратичную форму является симметричной.
Вернемся к квадратичной форме:
Рассмотрим функцию 2-го порядка:
Допустим, что , матрица диагональная.
1. | |
Эллипсы | Эллиптический парабалоид |
2. | |
3. | |
Гиперболы | Седло |
Допустим, что . Тогда вся картина просто повернется на некоторый угол по оси Z.
Рассмотрим п -мерный случай.
Квадратичная форма называется положительно определенной областью если она не отрицательная.
соответствует п -мерному эллиптическому гиперболоиду (п -мерное седло)
Рассмотрим 2-мерное пространство:
| Если квадратная матрица называется положительно определенной, то и матрица положительно определенной. |
Рассмотрим разложение функции 2-х переменных в ряд Тейлора:
квадратичная матрица задается матрицей Н
матрица составленная из членов 2-го порядка
- матрица симметрична
Матрица Н – матрица Гесса.
- определение матрицы Гесса
Если матрица (матрица Гесса) в точке локального экстремума положительно определена, то это точка – локального минимума, если матрица отрицательно определена, то это точка – локального максимума, а если не определена – седловые точки.
Локальный max или min
Седловая точка
Минимизируем:
Найти частные производные:
1. (grad = 0);
2.
Эта система позволяет найти все точки экстремума:
те х1 и х2 которые удовлетворяют уравнениям и будет точками экстремума. |
Допустим, что . Надо составить функцию второго порядка и подставить и посмотреть их.
Необходимые условия – помогают охарактеризовать искомую точку:
Н ³ 0 – локальный минимум;
Н £ 0 – локальный максимум;
Н – не определена – седловая точка.
Для поиска используют численные методы.
Постановка:
Требуется , где х – вектор - т.к. нет ограничений задача безусловной оптимизации.
Есть черный ящик, который по заданным значениям х позволяет вычислить значение функции.
Должны задать начальное приближение точки х0; - некоторое приближение полученное после к – итераций; вычислить значение точки в окрестности точки ; Из данных точек выбрать точку в которой функция принимает наименьшее значение, выбираем ее и строим вокруг нее окрестность. |
Выбираем точку где хуже. В окрестности существующей точки выбираем точку с меньшим значением, опять в ее окрестности есть точки с меньшим значением и т.д.
В таком виде этот метод не эффективен.
Пример:
Шаг по х1 берем больше, а по х2 – сохраняем. Поскольку мы свободны в выборе точек, то можно менять шаг и направление.
Методы:
Преимущества метода прямого поиска:
Недостатки:
п £ 10¸20 | |
2п точек: в случае 2-х переменных – 4 точки; в случае 3-х переменных – 6 точек. |
Этот метод применим в простых случаях, когда эти недостатки себя не проявляют.
|
|
|
Дата добавления: 2014-01-05; Просмотров: 510; Нарушение авторских прав?; Мы поможем в написании вашей работы!
Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет