Сравнительный анализ методов оптимизации
Состав работы
|
|
|
|
Работа представляет собой zip архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
Содержание
Введение
Постановка задачи
1 Прямые методы одномерной оптимизации
1.1 Метод дихотомии
1.2 Метод золотого сечения
2 Прямые методы безусловной оптимизации многомерной функции
2.1 Метод покоординатного циклического спуска
2.2 Метод Хука - Дживса
2.3 Метод правильного симплекса
2.4 Метод деформированного симплекса
3. Условная оптимизация
3.1 Метод преобразования целевой функции
3.2 Метод штрафных функций
4. Симплекс таблицы
Заключение
Список используемой литературы
Приложение А Листинг программ: Метод дихотомии, Метод золотого сечения, Метод покоординатного циклического спуска, Метод Хука – Дживса, Метод правильного симплекса
Приложение Б Листинг программы: Метод деформированного симплекса
Приложение В Листинг программы: Метод правильного трехмерного симплекса (максимизация объема фигуры)
Введение
Оптимизация как раздел математики существует достаточно давно. Оптимизация - это выбор, т.е. то, чем постоянно приходится заниматься в повседневной жизни. Хотя конечной целью оптимизации является отыскание наилучшего или "оптимального" решения, обычно приходится довольствоваться улучшением известных решений, а не доведением их до совершенства. По этому под оптимизацией понимают скорее стремление к совершенству, которое, возможно, и не будет достигнуто.
Формулировка математической задачи оптимизации.
В достаточно общем виде математическую задачу оптимизации можно сформулировать следующим образом:
Минимизировать (максимизировать) целевую функцию с учетом ограничений на управляемые переменные.
Под минимизацией (максимизацией) функции n переменных f(x)=f(x1, ... ,xn) на заданном множестве U n-мерного векторного пространства En понимается определение хотя бы одной из точек минимума (максимума) этой функции на множестве U, а также, если это необходимо, и минимального (максимального) на U значения f(x).
При записи математических задач оптимизации в общем виде обычно используется следующая символика:
f(x) -> min (max),
x принадлежит U,
где f(x) - целевая функция, а U - допустимое множество, заданное ограничениями на управляемые переменные.
Введение
Постановка задачи
1 Прямые методы одномерной оптимизации
1.1 Метод дихотомии
1.2 Метод золотого сечения
2 Прямые методы безусловной оптимизации многомерной функции
2.1 Метод покоординатного циклического спуска
2.2 Метод Хука - Дживса
2.3 Метод правильного симплекса
2.4 Метод деформированного симплекса
3. Условная оптимизация
3.1 Метод преобразования целевой функции
3.2 Метод штрафных функций
4. Симплекс таблицы
Заключение
Список используемой литературы
Приложение А Листинг программ: Метод дихотомии, Метод золотого сечения, Метод покоординатного циклического спуска, Метод Хука – Дживса, Метод правильного симплекса
Приложение Б Листинг программы: Метод деформированного симплекса
Приложение В Листинг программы: Метод правильного трехмерного симплекса (максимизация объема фигуры)
Введение
Оптимизация как раздел математики существует достаточно давно. Оптимизация - это выбор, т.е. то, чем постоянно приходится заниматься в повседневной жизни. Хотя конечной целью оптимизации является отыскание наилучшего или "оптимального" решения, обычно приходится довольствоваться улучшением известных решений, а не доведением их до совершенства. По этому под оптимизацией понимают скорее стремление к совершенству, которое, возможно, и не будет достигнуто.
Формулировка математической задачи оптимизации.
В достаточно общем виде математическую задачу оптимизации можно сформулировать следующим образом:
Минимизировать (максимизировать) целевую функцию с учетом ограничений на управляемые переменные.
Под минимизацией (максимизацией) функции n переменных f(x)=f(x1, ... ,xn) на заданном множестве U n-мерного векторного пространства En понимается определение хотя бы одной из точек минимума (максимума) этой функции на множестве U, а также, если это необходимо, и минимального (максимального) на U значения f(x).
При записи математических задач оптимизации в общем виде обычно используется следующая символика:
f(x) -> min (max),
x принадлежит U,
где f(x) - целевая функция, а U - допустимое множество, заданное ограничениями на управляемые переменные.
Другие работы
"Современные технологии программирования". Лабораторная № 8. Вариант №15
stud82
: 16 февраля 2013
Абстрактный тип данных (ADT) «полином»
Тема: Классы Object Pascal, стандартный класс Tlist.
Цель: Сформировать практические навыки: реализации абстрактных типов данных с помощью классов Object Pascal.
Задание:
1.Реализовать тип «полином», в соответствии с приведенной ниже спецификацией.
2.Оттестировать каждую операцию, определенную на типе данных одним из методов тестирования.
3.Оттестировать тип данных в целом.
70 руб.
Лекции по сетям Петри
GnobYTEL
: 20 сентября 2011
Рассмотренны темы.
Активность сетей Петри. Задача о чтении/записи.
Достижимость и покрываемость сетей Петри. Пример.
Конечные автоматы.
Ограниченность сетей Петри. Задача об обедающих мудрецах.
Сохранение сетей Петри. P- и V- системы. Пример.
Безопасность сетей Петри. Задача о взаимном исключении.
Использование сетей Петри для моделирования процессов синхронизации. Задача Д. Питерсона. PERT-диаграммы и сети Петри. Примеры.
Ограниченность дерева достижимости.
Ограниченность сетей Петри. Задача о
2 руб.
Термодинамика и теплопередача СамГУПС 2012 Задача 8 Вариант 3
Z24
: 7 ноября 2025
До какого давления надо сжать воздух в политропном процессе со средним показателем n=1,3 в цилиндре двигателя внутреннего сгорания (дизеля) при начальном абсолютном давлении р1 и температуре t1, чтобы достигнуть температуры воспламенения топлива 650 ºC? Определить также работу, затрачиваемую на сжатие, и количество отводимой теплоты, отнесенных к 1 кг воздуха. Теплоемкость воздуха считать не зависящей от температуры.
150 руб.
Экзамен. Английский язык. Билет 3. СДТ
sanco25
: 10 февраля 2012
Задание: перевести текст на русский язык.
US$ 100 million deal includes GPRS roll-out for Ukraine.
Ukraine — Ukrainian cellular operator, Kyivstar, has awarded Ericsson a USt 100-million contract for the first GPRS system in Ukraine, as well as infrastructure and services to expand Kyivstar's current coverage.
The package will include the addition of GSM 1800 for dual-band enhanced capacity. Ericsson will provide GPRS/GSM core and radio access infrastructure equipment, enabling advanced mobile
30 руб.