7. Метод множників Лагранжа розв'язування нелінійних задач оптимізації.
Ідея методу множників Лагранжа полягає в заміні початкової задачі простішою. Для цього цільову функцію замінюють іншою, з більшою кількістю змінних, тобто такою, яка включає в себе умови, що подані як обмеження. Після такого перетворення дальше розв’язування задачі полягає в знаходженні екстремуму нової функції, на змінні якої не накладено ніяких обмежень. Тобто від початкової задачі пошуку умовного екстремуму переходимо до задачі відшукання безумовного екстремального значення іншої функції. Отже, завдяки такому перетворенню можливе застосування методів класичного знаходження екстремуму функції кількох змінних.
Узагальнення необхідної умови існування локального екстремуму функції n змінних має аналогічний вигляд. Отже, для розв’язування задачі необхідно знайти вирази частинних похідних нової цільової функції за кожною змінною і прирівняти їх до нуля. В результаті отримаємо систему рівнянь. Її розв’язок визначає так звані стаціонарні точки, серед яких є і шукані екстремальні значення функції.
Розглянемо метод множників Лагранжа для розв’язування задачі нелінійного програмування, що має вигляд:
(8.6)
за умов:
,(8.7)
де функції і мають бути диференційовними.
Задача (8.6), (8.7) полягає в знаходженні екстремуму функції за умов виконання обмежень .
Переходимо до задачі пошуку безумовного екстремуму.
Замінюємо цільову функцію (8.6) на складнішу. Ця функція називається функцією Лагранжа і має такий вигляд
(8.8)
де — деякі невідомі величини, що називаються множниками Лагранжа.
Знайдемо частинні похідні і прирівняємо їх до нуля:
(8.9)
Друга група рівнянь системи (8.9) забезпечує виконання умов (8.7) початкової задачі нелінійного програмування.
Система (8.9), як правило, нелінійна.
Розв’язками її є і — стаціонарні точки. Оскільки, ці розв’язки отримані з необхідної умови екстремуму, то вони визначають максимум, мінімум задачі (8.6), (8.7) або можуть бути точками перегину (сідловими точками).
Для діагностування стаціонарних точок і визначення типу екстремуму необхідно перевірити виконання достатніх умов екстремуму, тобто дослідити в околі стаціонарних точок диференціали другого порядку (якщо для функцій існують другі частинні похідні і вони неперервні).
Узагальнення достатньої умови існування локального екстремуму для функції n змінних приводить до такого правила: за функцією Лагранжа виду (8.8) будується матриця Гессе, що має блочну структуру розмірністю :
де О — матриця розмірністю , що складається з нульових елементів,
Р — матриця розмірністю , елементи якої визначаються так:
,
— транспонована матриця до Р розмірністю ,
Q — матриця розмірністю виду:
, де .
Розглянемо ознаки виду екстремуму розв’язку системи (8.9). Нехай стаціонарна точка має координати і .
1. Точка є точкою максимуму, якщо, починаючи з головного мінору порядку (m + 1), наступні (n – m) головних мінорів матриці Н утворюють знакозмінний числовий ряд, знак першого члена якого визначається множником .
2. Точка є точкою мінімуму, якщо, починаючи з головного мінору порядку (m + 1), знак наступних (n – m) головних мінорів матриці Н визначається множником .
Ст 320
- 1. Загальна економіко-математична модель задачі лінійного програмування. Допустимий та оптимальний план задачі лінійного програмування.
- 2. Завдання економетричного дослідження.
- 3. Двоїстість у лінійному програмуванні. Економічний зміст двоїстих оцінок.
- 4. Правила побудови двоїстих задач.
- 5. Геометрична інтерпретація задачі лінійного програмування.
- 6. Означення економетричної моделі.
- 7. Метод множників Лагранжа розв'язування нелінійних задач оптимізації.
- 8. Симплексний метод зі штучним базисом. Ознака оптимальності плану зі штучним базисом.
- 9. Етапи побудови економетричної моделі.
- 10. Довірчі інтервали значень парної лінійної функції регресії із заданою надійністю .
- 11 .Довірчі інтервали параметрів парної лінійної функції регресії із заданою надійністю .
- 12. Довірчі інтервали прогнозного значення парної лінійної функції регресії із заданою надійністю .
- 13. Алгоритм графічного методу розв'язування задач лінійного програмування.
- 14. Перша основна теорема двоїстості.
- 15. Друга основна теорема двоїстості.
- 16. Третя основна теорема двоїстості.
- 17. Довірчі інтервали для прогнозного значення Yp загальної лінійної економетричної моделі із заданою надійністю .
- 18. Оператор оцінювання 1мнк.
- 19. Економічна та математична постановка задачі дрібно-лінійного програмування.
- 20. Графічний метод розв'язування задач дрібно лінійного програмування.
- 21 .Алгоритм симплексного методу для задач лінійного програмування.
- 22. Метод розв'язування задачі дрібно лінійного програмування у загальному вигляді.
- 27. Постановка транспортної задачі.
- 28. Методи розв'язання транспортної задачі.
- 29. Методи знаходження початкового опорного плану транспортної задачі.
- 30. Порівняльна характеристика задач лінійного і нелінійного програмування.
- 1. Загальна економіко-математична модель задачі лінійного програмування. Допустимий та оптимальний план задачі лінійного програмування.
- 2. Завдання економетричного дослідження.