2. Идет построение в плоскости х1 и х2. Берут точку – определяющую значение аргумента. Находят точку в которой функция имеет тоже самое значение, в результате получаем линию в которой функция имеет постоянное значение – изолиния (линия уровня).
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.
, причем обращается в ноль, в том случае если х = 0 (). Этот случай соответствует эллиптическому параболоиду.
, .
Знаконеопределенность.
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:
grad f = 0
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:
Хука-Дживса;
Нелдера-Мида (используется п-1 угольник)
Преимущества метода прямого поиска:
простота;
не нужны производные.
Недостатки:
плохая сходимость;
применим для небольшого числа переменных.
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.