Professional Documents
Culture Documents
Mentor:
Student:
Angela tajer
Novi Sad, 2014
Master rad
Sadraj
1
Uvod......................................................................................................................................... 2
2.1
2.2
2.3
2.4
2.4.1
2.4.2
3.2
3.3
3.4
4.2
5.2
5.3
5.4
Zakljuak ................................................................................................................................ 76
Literatura ....................................................................................................................................... 77
Master rad
1 Uvod
Operaciona istraivanja su oblast koju ine raznovrsni nauni pristupi donoenju
odluka, koji pomou kvantitativnih metoda i algoritama nastoje da omogue najbolje
reenje velikih i sloenih problema koji se javljaju u svim oblastima ivota. Neke metode
operacionih istraivanja pojavile su se u prvoj polovini 20. veka, ali najvie su se razvile
tokom i nakon Drugog svetskog rata. Glavni cilj pri upotrebi ovih metoda bio je
optimiziranje organizacije velikih ratnih operacija i nain upotrebe ratnih sredstava, pa
otuda i potie naziv ove oblasti.
Operaciona istraivanja imaju za zadatak prouavanje velikih i sloenih sistema
(tehnikih, ekonomskih, poslovnih, itd.). Istraivanje na ovim sistemima uglavnom
predstavlja izuzetno teak zadatak, koji je po pravilu veoma skup, a ponekad i nemogu,
naroito u fazi njihovog planiranja, projektovanja i uvoenja u rad. Zbog toga je veoma
bitna celokupna analiza sistema, gde veoma vanu ulogu igraju mnogobrojne
matematike discipline kao to su: matematika analiza, statistika teorija, teorija igara,
matematika logika, teorija verovatnoe, linearno, nelinearno i dinamiko programiranje,
heuristiko-matematiko programiranje, teorija masovnog opsluivanja i dr.
Nauni pristup donoenju odluka obino ukljuuje upotrebu jednog ili vie
matematikih modela, na osnovu kojeg e biti mogue predvianje i uporeivanje
posledica razliitih varijanti u procesu odluivanja. Matematiki model je matematiko
predstavljanje stvarne situacije, koji slui za izvoenje potrebnih analiza na osnovu kojih
se moe doi do traenih odgovora u vezi sa postavljenim problemom. Na osnovu
eksperimentisanja na matematikom modelu treba zakljuiti koje je reenje najbolje i
njega treba predloiti donosiocima odluke da ga implementiraju u praksi. Da bi se za
neko reenje moglo rei da je optimalno, tj. najbolje, treba imati meru kojom se odreuje
njegov kvalitet i koja omoguava njegovo poreenje sa drugim moguim reenjima.
Mera kvaliteta u matematikom modelu se dobija pomou funkcije, kojom se
svakom reenju pridruuje odgovarajua vrednost. Ta funkcija pokazuje efikasnost
izvrenja zadatka radi postizanja cilja i naziva se kriterijumska funkcija ili funkcija cilja.
Da bi optimizacija bila to uspenija, potrebno je nai reenje koje daje ekstremnu
vrednost funkcije cilja. Promenljive koje treba odrediti obino su uslovljene meusobnim
relacijama i ogranienjima, koji ine skup ogranienja. Svako reenje koje zadovoljava
postojea ogranienja naziva se dopustivim. Jedan optimizacioni zadatak moe imati vie
dopustivih reenja, koja formiraju skup dopustivih reenja ili dopustivi skup. Koeficijenti
u matematikom modelu nazivaju se i parametrima modela ili parametrima sistema.
Kako je glavni zadatak optimizacije nalaenje reenja koje daje ekstremnu
vrednost funkcije cilja, optimalno reenje optimizacionog zadatka je ono dopustivo
reenje u kome funkcija cilja dostie svoju optimalnu vrednost (minimalnu, ako je u
pitanju problem minimizacije ili maksimalnu, ako je u pitanju problem maksimizacije).
Vrednost funkcije cilja koja odgovara optimalnom reenju naziva se optimalna vrednost
ili optimum.
Master rad
Master rad
2 Nelinearna optimizacija
Nelinearna optimizacija (nelinearno programiranje - NP)
podrazumeva
odreivanje ekstremne (minimalne ili maksimalne) vrednosti funkcije cilja nad skupom
ogranienja, pri emu je funkcija cilja nelinearna i/ili skup ogranienja definisan
nelinearnim algebarskim jednainama ili nejednainama. Za reavanje problema NP ne
postoji univerzalna metoda, ve je za svaki konkretan sluaj potrebno nai novu metodu,
ili prilagoditi neku od postojeih. U velikom broju sluajeva nije lako pronai prikladnu
metodu za odreivanje optimalnog reenja formulisanog zadatka, to znai da jo uvek
postoji veliki broj teko reivih zadataka NP.
Tokom godina razvijene su mnogobrojne metode optimizacije pomou kojih se
mogu reavati razni zadaci nelinearnog programiranja. Sve te metode su specijalizovane
za razliite tipove zadataka koji se razlikuju po obliku matematikog modela, tj. po
obliku i dimenzijama funkcije cilja i skupa ogranienja.
Kako bi se procenila primenljivost pojedinih algoritama za reavanje problema
NP, potrebno je odrediti broj raunskih operacija koje treba obaviti u procesu reavanja.
Neki algoritmi u odreenim zadacima nisu uvek primenljivi, ak i kada se ima u vidu
primena savremenih raunara. Ta primena zavisi od vie faktora, naroito od karaktera i
dimenzije matematikog modela.
gde je
funkcija cilja, a
su funkcije ogranienja.
, tj.
ili
gde je
dopustiv skup.
Master rad
Dopustivi skup se bez umanjenja optosti uvek moe definisati preko ogranienja
tipa nejednakosti jer se ogranienje oblika jednakosti
moe zameniti sa dve
nejednakosti
tj. sa
.
Specijalan sluaj optimizacije sa ogranienjima je problem oblika
Master rad
gde je
dopustiv skup.
Definicija 4. Taka
je globalni minimum funkcije
minimum problema (2), ako je
za sve
tj. ako u njoj funkcija
na skupu
, ili globalni
Definicija 5. Taka
je strogi globalni minimum funkcije
globalni minimum problema (2), ako je
za sve
za koje je
na skupu
, ili lokalni
Definicija 7. Taka
je strogi lokalni minimum funkcije na skupu
lokalni minimum problema (2), ako postoji
tako da vai uslov
za sve
dostie
, ili strogi
za koje je
Master rad
i neka je
. Tada je
(3)
gradijent funkcije
. Ako je
lokalni
dati su sledeom
Master rad
je pozitivno
i neka je
. Tada je
(4)
Hesijan funkcije
Master rad
Teoreme koje slede daju dovoljne uslove optimalnosti drugog reda za stroge
lokalne ekstreme.
Teorema 2. [7] Neka je funkcija dva puta neprekidno diferencijabilna u nekoj okolini
take . Ako je
i ako je matrica
pozitivno definitna, tada je
strogi lokalni minimum funkcije .
Teorema 3. [7] Neka je
i neka su
ako je
ako je
tada je
Ukoliko ne postoji pravilnost znaka glavnih minora treba uzeti u obzir potrebne
uslove optimalnosti drugog reda koji su dati u narednoj teoremi.
Teorema 4. [7] Neka je funkcija dva puta neprekidno diferencijabilna u nekoj okolini
take . Ako je
lokalni minimum funkcije tada je
i matrica
je
pozitivno semidefinitna.
gde su funkcije
itavom prostoru
definisane i diferencijabilne na
Ovaj problem se moe reiti metodom eliminacije promenljivih ili metodom Lagranovih
mnoitelja.
2.4.1
Master rad
tj.
(6)
kao
.
(7)
Ako taka
10
Master rad
Kod ove metode se koriste potrebni i dovoljni uslovi optimalnosti izraeni preko
Lagranove funkcije.
Definicija 13. Lagranova funkcija pridruena problemu (5) je definisana na sledei
nain:
gde su
mnoitelja.
Lagranovi mnoitelji, a
vektor Lagranovih
je ekvivalentno sa
, tj. sa
11
Master rad
tada je matrica
pozitivno definitna na
je Jakobijan
i neka su
ako je
minimum problema (5).
ako je
maksimum problema (5).
, rang
12
i neka su
glavni
tada je
strogi lokalni
tada je
strogi lokalni
Master rad
definisana na prostoru
konvergira ka
kad
, tj.
, tada
. Ako vai
konvergira linearno ka
sa
koeficijentom brzine .
, tada
konvergira superlinearno ka
.
tada
13
konvergira ka
sa redom .
Master rad
gde je
(9)
pri emu je
Vektor
metode.
, to doprinosi stabilnosti
14
Master rad
gde je
4. Vana osobina metoda najbreg pada jeste da su vektori gradijenata, koji su izraunati
u dve proizvoljne uzastopne aproksimacije, meusobno ortogonalni, tj.
zameniti
sa
. Zadati
za izlazni
tada je
pa se
, staviti
odrediti kao
i prei na Korak 2.
15
Master rad
pod blagim
2. ili je
u svakoj iteraciji ili je svaka taka nagomilavanja
niza
stacionarna taka funkcije , tj. niz generisan metodom najbreg pada konvergira ka
stacionarnoj taki i
16
Master rad
Reenje:
Neka je kriterijum za zaustavljanje
Gradijent funkcije
je
je
Kako je
, sledi da
sledea iteracija, potrebno je odrediti korak
gde je
Korak
pa je
Dalje je
17
Master rad
a poto je
,
nije reenje i postupak se nastavlja. Na analogan nain
dobijaju se ostali lanovi iterativnog niza
Reenje:
Zadatak je reenjen u programskom paketu Matlab. Naredni M-file-ovi koriste se za
odreivanje minimuma ove funkcije.
Prvi M-file se odnosi na raunanje gradijenta funkcije :
function g= grad(f,x,h)
%racuna gradijent funkcije f(x)
if nargin<3, h=.00001; end
h2= 2*h; N= length(x);
I= eye(N);
for n=1:N
g(n)= (feval(f,x+I(n,:)*h)-feval(f,x-I(n,:)*h))/h2;
end
Drugi M-file se odnosi na revanje datog problema pomou metode najbreg pada.
function [xo,fo] = opt_steep(f,x0,TolX,TolFun,alpha0,MaxIter)
%za minimizaciju funkcije koristi se metoda najbrzeg pada
if nargin < 6, MaxIter = 100; end %maksimalan broj iteracija
18
Master rad
1.9999
fo =
-7.0000
Dakle, minimum funkcije je u taki
i vrednost funkcije u taki
minimuma je
. U sledeoj tabeli su navedene sve iteracije dobijene metodom
najbreg pada.
19
Master rad
k
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0
2.6154
2.3819
2.9208
2.8726
2.9837
2.9738
2.9966
2.9946
2.9993
2.9989
2.9999
2.9998
3.0000
0
0.6538
1.5879
1.7226
1.9151
1.9429
1.9825
1.9882
1.9964
1.9976
1.9993
1.9995
1.9998
1.9999
0
-5.5577
-6.7028
-6.9388
-6.9874
-6.9974
-6.9995
-6.9999
-7.0000
-7.0000
-7.0000
-7.0000
-7.0000
-7.0000
gde je
najvei karakteristini koren Hesijana funkcije f u reenju
Koijeva metoda konvergira sporije od originalne Koijeve metode.
20
. Modifikovana
Master rad
Posmatra se problem
(12)
gde je
aproksimacija
nain
. Neka je
poetna iteracija. Ako je poznata
ta
, tada se prirataj funkcije
u taki
moe predstaviti na sledei
naredna iteracija
21
Master rad
(14)
Dakle, u svakoj iteraciji reava se sistem linearnih jednaina i
se dobija kao
reenje tog sistema, i na taj nain se izbegava izraunavanje inverznog Hesijana.
, staviti
. Zadati
za izlazni
tada je
. Staviti
Dokaz:
Neka postoje
tako da za svako
vai
22
za koje je
Master rad
Pretpostavimo da je
Tada je
Kako je
Sledi da je reenje
23
do reenja se dolazi ve u
Master rad
iz poetne take
, gde je
Reenje:
Gradijent funkcije
je oblika
a Hesijan
Poto je
nije reenje.
, dakle
Prva iteracija je
gde je
i
Odavde sledi
Kako je
, sledi
. Dakle,
nije reenje.
Druga iteracija je
pri emu je
i
24
Master rad
Odavde sledi
Sada je
, pa odavde sledi da
Trea iteracija je
Kako je
, sledi da je
reenje problema.
Primer 4. Nai minimum funkcije
gde je
Reenje:
Zadatak je reen u programskom paketu Matlab. Formirana su tri M-file-a; prvi za
funkciju , drugi za gradijent funkcije i trei za Hesijan funkcije .
M-file za funkciju :
function res =f2(x)
res=x(1)^4+x(1)^3-x(1)+x(2)^4-x(2)^2+x(2)+x(3)^2-x(3)+x(1)*x(2)*x(3);
function res=gradf2(x)
res=[4*(x(1)^3)+3*(x(1)^2)+x(2)*x(3)-1;4*(x(2)^3)2*x(2)+x(1)*x(3)+1;2*x(3)+x(1)*x(2)-1];
25
Master rad
Njutnovom metodom.
function res=njutn2(x0,eps)
k=1;
xk=x0;
xk1=xk-hesianf2(xk)^(-1)*gradf2(xk);
vrednostf=f2(xk1);
while norm(gradf2(xk),'inf')>eps
xk=xk1;
xk1=xk-hesianf2(xk)^(-1)*gradf2(xk);
vrednostf=f2(xk1);
k=k+1;
end
res=xk1;
k
vrednostf
i ona je
.U
k
0
1
2
3
4
5
1
0.7104
0.5926
0.5715
0.5709
0.5709
-1
-0.9543
-0.9417
-0.9396
-0.9396
-0.9396
1
0.8323
0.7782
0.7685
0.7682
0.7682
-1
-1.8367
-1.9101
-1.9118
-1.9118
-1.9118
26
Master rad
gde se korak
odreuje minimizacijom
. U blizini reenja oekuje se
.
Ostale modifikacije Njutnovog postupka mogu se podeliti u dve grupe i to su kvaziNjutnovi postupci i netani Njutnovi postupci.
gde je
. Tada je
(15a)
gde je
(15b)
Poto je
kvadratna funkcija,
kvadratna funkcija.
Master rad
Dokaz:
Direktnom zamenom sledi
Ako se stavi da je
tada je
gde su
sledi da je matrica
slina matrici
. Kako je
gde su
najmanji i
28
Master rad
, tj.
, tj.
iz take
kada je
iteracija matrica
Matrica
Master rad
i
tako da vai
gde matrice
i
imaju rang jednak jedinici, to znai da u optem sluaju matrica
ima rang jednak broju dva. Ova metoda se naziva Davidon-Fletcher-Powell
(DFP) metoda.
Korak 3. Nai
iz take
Korak 4. Izraunati
i novu aproksimaciju
Ako je
Korak 5. Matrica
Staviti
i vratiti se na Korak 2.
30
. Ako je
Master rad
se
Dokaz:
Dokaz se izvodi indukcijom. Po pretpostavci, poetno
je pozitivno definitno.
Pretpostavlja se da je i
za neko
pozitivno definitno. Treba pokazati da iz ovoga
sledi da je i
pozitivno definitna matrica.
Kako su
simetrine matrice, sledi da je i njihov zbir
Treba jo pokazati da je
Iz definicije
simetrina matrica.
iz Algoritma 4 sledi
to znai da je
smer u kome funkcija opada iz take
je matrica
po pretpostavci pozitivno definitna, sledi
i zbog toga je
. Kako
(17)
gde je
, vai
Sada je
jer je
Master rad
Sada je
zbog svojstva ortogonalnosti
prema definiciji
Kako je
a odavde je
) sledi
, to je i trebalo dokazati.
Iz ovoga sledi da je
. Tada vai
Teorema 14. [6] Kada se DFP algoritam primeni na funkciju cilja koja je kvadratna
forma
iteracija.
Dokaz:
Neka su u DFP algoritmu dobijeni vektori
(ako reenje nije
dobijeno ranije). Oni su na osnovu Leme 5 linearno nezavisni i mogu generisati ceo
prostor
. Koristei Lemu 4 vai
. Poto vektori
ine bazu prostora, sledi da je
za svako
, pa sledi
. Dalje je
prema Lemi 4
Poto je
, tj.
normalno na
.
sledi
Master rad
Reenje:
Kako je data funkcija kvadratna i strogo konveksna, sledi da e se reenje nai u najvie
dva koraka. Zbog toga se ne odreuje pravilo zaustavljanja. Za poetnu pozitivno
definitnu matricu
se bira da je jedinina matrica.
Neka je gradijent funkcije
Dalje, je
Odavde sledi
pa je
33
Master rad
Odavde sledi
pa je
to je i traeni minimum.
34
Master rad
je hiperravan prostora
. Zadati
za izlazni kriterijum.
tada je
Korak 3. Staviti
Korak 4. Nai
Korak 5. Staviti
Korak 6. Izraunati
izraunati
.
Ako je
tada je
35
reenje, inae
Master rad
Korak 7. Zameniti
sa
i ii na korak 4.
, a ak i
ako
gde je
simetrina, pozitivno definitna matrica reda ,
. Tada se do
reenja dolazi slino kao u Algoritmu 2, sa tim da se
i
raunaju na sledei nain
Potrebno je napomenuti da ako funkcija cilja ima oblik kvadratne forme, tada
metoda konjugovanih gradijenata daje reenje u najvie n koraka, gde je n dimenzija
problema.
gde je
i neka su pravci
36
odreeni sa
Master rad
gde je
Tada vai:
1) Pravci
su konjugovani u odnosu na matricu
linearno nezavisni.
2)
i vektori
su
koraka.
Dokaz:
1) Teorema se dokazuje indukcijom. Prvo treba pokazati da tvrenje vai za
vai
, tj. da
a iz definicije koraka
sledi
i
i
je analogan prethodnom.
37
Dakle,
Master rad
minimum, sledi da je
, tj.
. Sada je
3) Kada je
sledi da je
. Kada je pak,
sprovodi se
postupak konjugovanih gradijenata. Kako je
sledi da je
dimenzije nula, dakle
. Ukoliko pre -tog koraka ne postoji sluaj kada je
, sledi da je
, tj.
.
Ukoliko pak funkcija cilja nema oblik kvadratne forme, tada ne postoji garancija u
koliko koraka se dolazi do reenja. Moe se desiti da doe do nagomilavanja greaka, pa
se zato nakon odreenog broja koraka radi restart tj. uzima da je
, tj. za pravac
pretraivanja se bira pravac negativnog gradijenta i ta modifikacija se naziva metoda
konjugovanih gradijenata sa restartom. Ova metoda je uoptenje metode najbreg pada.
Njena brzina konvergencije je data istom formulom kao kod metode najbreg pada, s tim
to su veliki karakteristini koreni eliminisani iz razmatranja, o emu govori naredna
teorema.
Teorema 16. [2] Neka je
i neka je
lokalni minimum od
. Neka je
simetrina i pozitivno definitna matrica iji je najmanji karakteristini koren , a
najvei
i koja ima
karakteristinih korena u intervalu
, a
preostalih
karakteristinih korena veih od . Ako niz
generisan metodom
konjugovanih gradijenata sa restartom svakih
koraka (tj.
se dobija iz
na
osnovu
konjugovano gradijentnih koraka) konvergira ka
, tada
konvergira ka
sa koeficijentom brzine
gde je
, a poetna taka je
Reenje:
Funkcija cilja se moe zapisati kao
38
Master rad
tj.
Poto je
nije reenje.
, dakle
gde je
Sada je
Kako je
, sledi da
gde je
39
nije reenje.
Master rad
Sada je
pa je
Poto je
, tj
, sledi da je
reenje problema.
Reenje:
Zadatak je reenjen u programskom paketu Matlab. Naredni M-file-ovi koji se koriste pri
odreivanju minimuma ove funkcije.
Prvi M-file se odnosi na raunanje gradijenta funkcije :
function g= grad(f,x,h)
%racuna gradijent funkcije f(x)
if nargin<3, h=.00001; end
h2= 2*h; N= length(x);
I= eye(N);
for n=1:N
g(n)= (feval(f,x+I(n,:)*h)-feval(f,x-I(n,:)*h))/h2;
end
40
Master rad
if fx0 > fx1 + TolFun && fx1 < fx2 - TolFun %fx0 > fx1 < fx2
den = 4*fx1 - 2*fx0 - 2*fx2; num = den-fx0 + fx2;
alpha = alpha*num/den;
x = x+alpha*s; fx = feval(f,x);
break;
elseif n1 == nmax1/2
alpha = -alpha0; fx1 = feval(f,x + alpha*2*s);
else
alpha = alpha/2;
end
end
x0 = x
fx0 = fx
if n < N
g1 = grad(f,x,h);
if KC <= 1, s = - g1 +(g1 - g)*g1'/(g*g'+ 1e-5)*s;
else s = -g1 + g1*g1'/(g*g'+ 1e-5)*s;
end
g = g1;
end
if n1 >= nmax1, warning = warning+1;
%nije nadjena optimalna duzina koraka
else warning = 0;
end
end
if warning >= (norm(x - xk0,2)<TolX&&abs(fx - fk0)< TolFun),break;
end
end
xo = x; fo = fx;
if k == MaxIter, fprintf('Just best in %d iterations',MaxIter),
end
0.6538
fx0 =
-5.5577
x0 =
3.0000
2.0000
fx0 =
-7.0000
41
Master rad
xo =
3.0000
fo =
2.0000
-7.0000
Dakle, minimum funkcije je
. U sledeoj tabeli su navedene sve iteracije
dobijene metodom konjugovanih gradijenata.
k
0
1
2
0
2.6154
3.0000
0
0.6538
2.0000
0
-5.5577
-7.0000
42
Master rad
dopustiv skup.
Master rad
44
Master rad
Funkcije
su pomone funkcije, koje se odreuju tako da se sa porastom
broja sve manje razlikuju od funkcije cilja
na skupu , a van dopustivog skupa
trpe beskonano veliku kaznu, to se postie uvoenjem kaznenog dodatka.
Skup
je najee ceo prostor
ili neki njegov podskup. U ulozi skupa
obino se uzima skup koji je zadat na jednostavan nain, tako da minimizacija pomonih
funkcija
na skupu
ne predstavlja veliki problem.
Definicija 17. Kaznene funkcije skupa na skupu
(
su funkcije
koje su definisane i nenegativne na skupu
sa osobinom
Proirena funkcija
, gde je
45
Master rad
(21)
je
gde je
(22)
ili
,
gde su
sa osobinom
,
za
Master rad
, tada je za bilo koje
klase
Korak 1. Neka je
.
Korak 2. Za svako
definie se funkcija
i reava se problem
odakle se dobija reenje
na
(23)
sledi
47
gde je
definisana sa
na . Tada vai
Master rad
gde je
definisana sa
Tada je
gde je
Lema 7. [6] Ako funkcija Lagrana pridruena problemu (18) sa dopustivim skupom
(21) ima sedlastu taku, onda su ogranienja
saglasna sa funkcijom
cilja
na .
Dokaz:
sedlasta taka funkcije Lagrana
Neka je
,
,
. Neka niz
(23).
Tada je
Kako je
, sledi
Zbog (23) je
pa sledi
48
ima osobinu
Master rad
Teorema 19. [6] Ako funkcija Lagrana problema (18) sa dopustivim skupom
definisanim sa (21) ima sedlastu taku i ako je funkcija cilja
ograniena sa donje
strane na
, tada za niz
sa osobinom (23) vai
Dokaz:
Dokaz sledi direktno primenom Teoreme 18 i Leme 7.
U sledeoj lemi navedene su nejednakosti koje proizilaze direktno iz definicije
i nejednakosti
Lema 8. [2]
Dokaz:
i) Iz definicije
sledi
ii) Vai da je
49
Master rad
vai
Dokaz:
Neka je
vrednost funkcije cilja u optimalnoj taki problema (19). Tada, prema
Lemi 8 i 9, niz vrednosti
je neopadajui i ogranien sa . Dakle,
Poto (
, sledi
, to znai da je
, pa je
50
Master rad
Reenje:
Zadatak se reava tako, to se problem svodi na reavanje niza zadataka oblika
i vai da su
definisana na
Tada je
ne zadovoljava uslov
2.
, odakle je
, to se odbacuje jer
.
.
Dalje je
pa je reenje prethodne jednaine
tj.
, usvaja se.
51
, da bi se pokazalo da je
Master rad
i neka
.
Tada vai
ako i samo ako je
Dakle, da bi se pokazalo da je
vai
tj.
Ovo je tano, to znai da
jeste reenje polaznog problema i
optimalna vrednost funkcije cilja.
je
gde je
modifikovana funkcija cilja. Poto je
funkcija, reava se sistem jednaina
Odatle se dobije
52
Master rad
pa je
Dakle, niz
konvergira i
Kako je
zbog ogranienja
, sledi da je
Napomena:
Tano reenje se u prethodnim primerima trailo diferenciranjem. Ovo je bilo
mogue jer su funkcije
diferencijabilne i jednostavne. Kada je u pitanju problem
optimizacije veih dimenzija, koriste se neke od postojeih metoda za optimizaciju bez
ogranienja. Nedostatak tih metoda jeste da one daju samo priblino reenje tih problema.
Kako su kaznene funkcije kvadratne, one osiguravaju neprekidnost nagiba
modifikovane funkcije cilja, mada drugi izvodi nisu neprekidni na rubu dopustivog
podruja. Zbog toga se vie preporuuju kvazi-Njutnovi postupci za reavanje problema
bez ogranienja, jer se kod aproksimacije Hesijana koristi samo prvi izvod funkcije cilja.
Primer 10. Nai minimum funkcije
.
53
Master rad
Reenje:
Problem je reen u programskom paketu Matlab, korienjem kaznene funkcije oblika
Za razne vrednosti kaznenog parametra dobijaju se sledei rezultati, prikazani u Tabeli 4.:
taka
0
1
2
3
4
5
kaznena
konstanta
optimum
0.0001
0.1
1
10
1000
funkcija
cilja
17
4
4.57
5.6
5.95
5.99
iznos
ogranienja
poetna taka
2
1.42
0.4
0.04
0.0004
.
54
Master rad
Reenje:
Modifikovana funkcija cilja je oblika
Problemi
,
55
Master rad
56
Master rad
dopustiv skup.
iji
. Pri tome se
definisana na skupu
sa
se naziva barijera ili barijerna
koji konvergira ka nekoj taki
57
Master rad
Neka je
. Kako je
za
, sledi
da je
. Ako je
, problemi (25) imaju reenje. To reenje moe biti
odreeno primenom neke metode koja daje priblino reenje, pa se niz
moe
definisati sa
gde je
je greka metode).
a sa
granica skupa
na sledei nain
moe oznaiti sa
, tj.
).
uzima vrednost 1.
58
Master rad
data je na
slici 4.
Korak 1. Neka je
.
definie se funkcija
Korak 2. Za svako
i reava problem
Neka je niz
,i
odreen tako da je
, gde je
. Tada vai
.
Master rad
Reenje:
U reavanju problema, koristie se kaznena funkcija oblika (27). Dakle, reava se
problem
gde je
za koje vai
. Unutranjost skupa
je
Za svako
60
Iz uslova
Za razliite
sa
Master rad
sledi
, gde je
Poto je
, sledi da je optimalno reenje problema
,
a vrednost funkcije cilja
. Kako bi se proverilo da je ovo zaista reenje, potrebno je
proveriti uslove Teoreme 21. Zaista,
za
problema.
, pa sledi da je taka
Reenje:
Ogranienja se mogu zapisati u obliku
, tj.
61
reenje
Master rad
ije reenje je
Kako je
Kako je
sledi da je
U ovom sluaju moe se koristiti metoda meovitih kaznenih funkcija data u [8].
Ukoliko ogranienja tipa nejednakosti imaju unutranju taku, tada se ona tretiraju
kao da se radi o metodama unutranjih kaznenih funkcija, dok se ogranienja tipa
jednakosti posmatraju kao u metodama spoljanjih kaznenih funkcija. Dakle, u ovim
sluajevima, proirena funkcija cilja problema sa ogranienjima ima sledei oblik
gde je
Master rad
Ve su pomenuta dva sutinski vana pitanja kod kaznenih funkcija i to su: koliko
dobro pomoni problem bez ogranienja aproksimira polazni problem sa ogranienjima, i
kako reiti pomoni problem bez ogranienja ija funkcija cilja sadri kazneni lan.
Sa poveavanjem kaznenog parametra
(kod spoljanjih kaznenih funkcija), i
smanjivanjem barijernog koeficijenta
(kod barijernih funkcija)
poboljava
se aproksimacija polaznog problema, ali struktura pomonog problema postaje mnogo
sloenija i komplikovanija to moe usporiti konvergenciju algoritma koji se koristi za
reavanje pomonog problema bez ogranienja. Upravo iz tog razloga direktna primena
Koijeve metode najbreg pada nije preporuljiva, ali se zato Njutnov postupak i njegove
modifikacije uspeno mogu primeniti za reavanje pomonog problema optimizacije bez
ogranienja kao i metoda konjugovanih gradijenata sa restartom koja je veoma pogodna u
tu svrhu.
U narednim poglavljima predstavljene su metode za reavanje pomonog
problema bez ogranienja koji sadri kazneni lan.
(28)
Ako dopustiv skup sadri ogranienja tipa jednakosti, ona se uvek mogu predstaviti preko
nejednakosti. Najoptija klasa spoljanjih kaznenih funkcija za problem (28) je
(29)
gde je
neprekidna funkcija
komponente od
.
, a
Na primer, za
vai
63
su
Master rad
,a
je dato sa (29).
a
je matrica
sa vrstama
prekide u takama gde je
za neko
ogranienjima. Da bi
, potrebno je da
Naalost,
obino ima
, tj. u aktivnim
. Pretpostavlja se da ako
tada
(31)
Uz ovu pretpostavku vai da
i izvod od
po
je neprekidan oblika
gde je
(32)
vektor Lagranovih mnoitelja.
Dakle, za svako reenje problema (30) je vektor , kome se pridruuje vektor
Lagranovih mnoitelja
koji je takoe odreen nakon reavanja problema (30).
64
Master rad
Ako je
regularno reenje polaznog problema (28), tada postoji jedinstven
vektor Lagranovih mnoitelja koji odgovara reenju .
Definicija 21. Taka koja zadovoljava ogranienja problema (28) je regularna taka
ako su gradijenti aktivnih ogranienja u toj taki linearno nezavisni.
Naredna teorema tvrdi da
konvergira ka
, ali ne i
gde su
i Hesijani od
Lagranove funkcije
, gde je
oblika
respektivno. Za fiksirano
oblika
65
Master rad
Prvi sabirak
konvergira ka Hesijanu Lagranove funkcije pridruene polaznom
problemu (28), kad
, i ta granina vrednost ne zavisi od kaznenog koeficijenta .
Drugi sabirak Hesijana
je matrica ranga koji je jednak broju aktivnih ogranienja
u reenju i koja tei ka beskonanosti kad
.
Teorema 24. [2] Neka je
regularno reenje polaznog problema (28). Ako postoji
aktivnih nedegenerisanih ogranienja u , tada Hesijan
ima karakteristinih
korena koji tee ka beskonanosti kad
. Ostalih
karakteristinih korena,
iako zavise od kaznenog koeficijenta , tee ka konanim vrednostima i to ba ka
karakteristinim korenima matrice
koja predstavlja restrikciju Hesijana Lagranove
funkcije
na tangentni podprostor aktivnih ogranienja.
Dokaz ovoga zahteva sloenu analizu koja je ovde izostavljena, a detaljno je data
u [2].
Ovakva specifina struktura ini Hesijan loe uslovljenom matricom to
predstavlja problem za primenu odreenih postupaka, a pre svega postupka najbreg
pada. Naime, brzina konvegencije metode najbreg pada zavisi od uslovnog broja
Hesijana u reenju
. Ako je uslovni broj Hesijana veliki, tj. ako je Hesijan loe
uslovljena matrica, to dovodi do velikog usporavanja metode najbreg pada. Kako je to
ovde sluaj, znai da metoda najbreg pada nije pogodna za reavanje pomonog
problema optimizacije bez ogranienja (30).
Analogna diskusija vai ako se polazni problem (28) reava metodom barijernih
funkcija. I tada je Hesijan loe uslovljen i ima neprikladnu strukturu.
(33)
i umesto njega reava se problem bez ogranienja
gde je
,a
.
66
Master rad
gde je
izabrano minimizacijom
. Matrica
pozitivno definitna i moe se efikasno invertovati, iako je loe uslovljena.
je
Hesijan funkcije
Kad
, matrica (34) ima
karakteristinih korena koji tee ka istoj
vrednosti , a preostalih
karakteristinih korena tee ka karakteristinim
korenima matrice
u reenju
problema (33). Neka su
i
najmanji i najvei
karakteristini koreni matrice
. Ako interval
sadri vrednost , tada e ovaj
postupak kad
konvergirati sa koeficijentom brzine
konvergencija biti spora.
. U suprotnom e
(35)
gde je
,a
67
Master rad
dobijeno primenom
konjugovano gradijentnih
gde je
reenje problema (36). Tada niz
konvergira linearno ka
sa koeficijentom brzine priblino jednakom
i najmanji i najvei karakteristini koren matrice
.
Ovaj postupak je posebno efikasan za relativno male vrednosti
metode najbreg pada, a neznatno skuplji.
, gde su
, mnogo je efikasniji od
Neka je
kovarijansna matrica sa elementima
kovarijansu -te i -te investicije, onda je varijansa celog portfolija
koji predstavljaju
68
Master rad
(37)
uz ogranienja
gde je
(38)
gde su
dati vektori koji predstavljaju donju i gornju granicu vektora odluke, a
je koeficijent averzije prema riziku. Ako je
znai da se maksimizira prinos ne
uzimajui u obzir rizik. S druge strane, ako je
, tada se minimizira rizik ne
uzimajui u obzir prinos.
Za fiksirano
, problem (38) je problem kvadratnog programiranja. Poto
je kovarijansna matrica pozitivno semidefinitna, problem (38) je problem konveksnog
kvadratnog programiranja. Postoje mnogobrojni postupci koji se koriste za reavanje
ovakvih problema i oni su efikasni u sluaju kad je kovarijansna matrica retka matrica,
ali veina njih nije pogodna za primenu u sluaju kada
nije retka. Postupak
konjugovanih gradijenata ne zahteva izraunavanje Hesijana ve samo gradijenata
funkcije cilja, a poto se koristi za reavanje problema optimizacije bez ogranienja, prvi
korak jeste da se problem (38) transformie u takav oblik.
Neka je
uz ogranienja
(39)
69
Master rad
gde je
kazneni parametar, a
dopustivo reenje problema (39), onda je
Funkcija
je deo po deo kvadratna funkcija, po delovima neprekidno
diferencijabilna, i ako je pozitivno semidefinitna, onda je
po delovima konveksna
kvadratna funkcija.
ima sledeu, kompaktniju formu:
(40)
gde je
konstanta.
Kako je
70
za fiksno
, sledi da
Master rad
Kada
,
gde poslednja jednakost sledi iz
pa sledi da je
. Odavde je
dopustiva taka.
U nastavku se dokazuje da je
Kako je
sledi da je
globalni minimum za
71
Master rad
matrica
(41)
(42)
Dalje, definie se
Metod konjugovanih gradijenata bie upotrebljen za minimizaciju kvadratne
funkcije:
,
gde je
(43)
izabrano tako da je
Du pravca
konjugovani pravac od
dovoljno opada.
72
u odnosu na matricu .
Master rad
onda je
konjugovani pravac od
u odnosu na
oblika
(46)
ili
je
, onda je
globalni minimum
Napomena:
Ako se
Master rad
Vratiti se na korak 2.
Korak 5. Proveriti dopustivost za
Napomena:
1. U algoritmu, indeks
oznaava broj aurirajuih kaznenih parametara, a
oznaava broj iteracija kod metoda konjugovanih gradijenata za potproblem bez
ogranienja (43).
2. Za neko fiksno
implicira da je
dopustivo reenje. Iz Teoreme 26 sledi da je
globalni minimum
polaznog problema (38) ako je
globalni minimum problema (43).
Numeriki eksperimenti
U radu [12] Zhong Wan, ShaoJun Zhang, and YaLin Wang su testirali efikasnost
predloenog algoritma na realnim podacima sa kineske berze iz 2007. Raunske
procedure su implementirane na MATLAB-u 6.5.
Poetno reenje je izabrano tako da vai
74
Master rad
Problem
1
2
3
4
5
6
7
8
9
10
CPU od HS
CPU od FR
10
20
30
40
50
60
70
80
90
100
3
3
3
4
4
3
4
4
4
4
Tabela 5. Numerike performanse Algoritma 7
;
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
ostale komponente
su nule
Problem 2
Problem 3
Problem 4
Problem 5
Problem 6
Problem 7
Problem 8
Problem 9
Problem 10
Tabela 6. Optimalna reenja datih deset problema
Numeriki rezultati pokazuju efikasnost datog algoritma pri reavanju realnog
problema.
75
Master rad
Zakljuak
76
Master rad
Literatura
[1] Damir Vuina: Metode inenjerske numerike optimizacije, FESB, Split, 2005.
[2] David G. Luenberger, Yinju Ye: Linear and Nonlinear Programming, Springer,
third edition, 2008.
[3] Dr. Jovan J.Petri: Operaciona istraivanja, knjiga 1. Savremena administracija,
Beograd, 1979.
[4] Glevitzky Bla: Opercikutats I, Debrecen, 2003.
[5] Gradimir V. Milovanovi, Predrag S. Stanimirovi, Simbolika implementacija
nelinearne optimizacije, Elektronski fakultet u Niu, Edicija monografije, Ni,
2002, X+236 (ISBN 86-80135-67-4).
[6] Katarina Surla, Zagorka Lozanov-Crvenkovi:
Prirodno-matematiki fakultet, Novi Sad, 2002.
Operaciona
istraivanja,
77
Master rad
Biografija
Angela tajer (ro. Gal) je roena 2. novembra 1987. godine u Novom Sadu. Osnovnu
kolu Joef Atila i Elektrotehniku kolu Mihajlo Pupin, smer elektrotehniar
telekomunikacija je zavrila u Novom Sadu. 2006. godine je upisala osnovne akademske
studije na Prirodno-matematikom fakultetu u Novom Sadu, smer matematika finansija.
Studije je zavrila u avgustu 2010. godine. Iste godine je upisala master studije
primenjene matematike, modul matematika finansija, na istom fakultetu. Zakljuno sa
junskim ispitnim rokom 2014. godine, poloila je sve predviene ispite, kao i grupu
pedagoko-psiholoko-metodikih predmeta. Od oktobra 2010. godine radi kao profesor
matematike u Srednjoj koli Lukijan Muicki u Temerinu.
Angela tajer
78
Master rad
Redni broj:
RBR
Identifikacioni broj:
IBR
Tip dokumentacije:
TD
Monografska dokumentacija
Tip zapisa:
TZ
Vrsta rada:
VR
Master rad
Autor:
AU
Angela tajer
Mentor:
MN
Naslov rada:
NR
Jezik publikacije:
JP
Srpski (latinica)
Jezik izvoda:
JI
s/e
Zemlja publikovanja:
ZP
Republika Srbija
Ue geografsko podruje:
UGP
Vojvodina
Godina:
GO
2014
Izdava:
IZ
Autorski reprint
Mesto i adresa:
MA
Master rad
Fiziki opis:
FO
Nauna oblast:
NO
Matematika
Nauna disciplina:
ND
Operaciona istraivanja
Kljune rei:
PO UDK
Nelinearno
programiranje,
spoljanje
kaznene funkcije, unutranje kaznene
funkcije
uva se:
U
Izvod:
IZ
lan:
lan:
80
Master rad
Accession number:
ANO
Identification number:
INO
Document type:
DT
Monograph type
Type of record:
TR
Printed text
Contents code:
CC
masters thesis
Author:
AU
Angela tajer
Mentor:
MN
Title:
XI
Language of text:
LT
Serbian (latin)
Language of abstract:
LA
s/e
Country of publication:
CP
Republic of Serbia
Locality publication:
UGP
Vojvodina
Publication year:
PU
2014
Publisher:
PU
Authors reprint
Publ.place:
PP
Master rad
Physical description:
PD
Scientific field:
SF
Mathematics
Scientific discipline:
SD
Operations Research
Key words:
UC
Holding data:
HD
Department
of
Mathematics
and
Informatics Library, Faculty of Sciences,
University of Novi Sad
Abstract:
AB
Defended:
Thesis defend board:
President:
Member:
Member:
82