Professional Documents
Culture Documents
1. UVOD U OPTIMIZACIJU
1.1. Formulacija zadatka
13
Literatura
15
Uvod u optimizaciju
Mirko Vujoevi
1. UVOD U OPTIMIZACIJU
Uvod u optimizaciju
4
Ax b
(1.4)
x0
gde su koeficijenti u matematikom modelu dati matricama:
c = || cj ||1n , A = || aij ||mn , b = || bi ||m 1 .
Koeficijenti u matematikom modelu nazivaju se i parametrima
modela ili parametrima sistema a u optem sluaju mogu da se oznae kao
jedinstveni skup parametara A.
Optimalno reenje x* optimizacionog zadatka je ono za koje vai
f(x*) f(x), x D.
(1.5)
Vrednost kriterijuma f* = f(x*) koja odgovara optimalnom reenju
naziva se optimalna vrednost ili optimum.
Ima autora koji pod optimalnim reenjem ili optimumom
podrazumevaju par (x*,f*), to se moe smatrati pitanjem konvencije.
Data definicija optimuma naziva se i globalnim optimumom, a
postavljeni zadatak zadatkom globalne optimizacije. Osnovni zadatak u
teoriji optimizacije jeste razvoj metoda za reavanje zadataka globalne
optimizacije. Koliko se uspeno moe odgovoriti postavljenom zadatku
zavisi od osobina kriterijumske funkcije, tipa ogranienja i primenjene
metode. Pritom postoji rizik da se primenom nekih metoda optimizacije na
odreene zadatke kao reenje dobije takozvani lokalni optimum. Ovo emo
ilustrovati sledeim primerom.
x1+
x1
x2+
x2
x3+
Mirko Vujoevi
Uvod u optimizaciju
max Pr [ f(x) f0 ]
(1.7)
xD
cjx j
j =1
p.o.
n
a ij x j
j =1
bi , i = 1,..,m
xj 0 ,
j = 1,..,n.
U ovom sluaju se originalni zadatak transformie u novi
zadatak pri emu se nova ogranienja formuliu na osnovu zahteva da
originalna ogranienja budu zadovoljena sa odreenim zadatim
verovatnoama i, i = 1,,m. To znai da treba odrediti x = (x1,,xn)
tako da se maksimizira funkcija
n
z = cjx j
j =1
p.o.
n
Pr [ a ij x j bi ] i , i = 1,...,m
j =1
cjx j
j =1
p.o.
n
a ij x j i + Kaii
, i = 1,...,m
j =1
xj 0, j = 1,,n,
gde se faktor poverenja Kai odreuje iz uslova
Pr {Kai
bi i
} = i.
i
Mirko Vujoevi
Uvod u optimizaciju
df ( x )
jednak nuli, slika 1.2. Prema tome,
dx
df ( x )
= 0 za optimalnu vrednost x.
potreban uslov za optimum je
dx
f(x)
prevojna
taka
lokalni
maksimum df
=0
dx
df
= tg
dx
lokalni
minimum
h j x
j =1
+ h j hk
j =1 k =1
2 f
+ ...
x j x k
(1.8)
odnosno
1 T +
h G(x )h + o3(h)
2
gde je
Mirko Vujoevi
Gjk =
2 f
x j x k
j = 1,...,n.
1 T +
h G(x )h, pa je
2
1 T +
h G(x )h < 0 ,
2
(1.10)
Uvod u optimizaciju
10
df
mora da
dx1
dx 2
iz gornje tri jednaine.
dx1
Mirko Vujoevi
f
x
= 1 =
g
x1
11
f
x2
g
x2
(1.17)
f
g
+
=0
x1
x1
f
g
+
=0
x2
x 2
(1.18)
L f
g
=
+
=0
x1 x1
x1
L
f
g
=
+
=0
x2 x2
x2
L
= g ( x1 , x2 ) b1 = 0
(1.20)
(1.21)
(1.22)
Uvod u optimizaciju
12
(1.23)
i =1
j = 1,..., n
L
= g i ( x ) bi = 0, i = 1,..., m
i
(1.24)
(1.25)
L(x, ) = f(x)
i =1
(gi(x) bi)
i i 0
x j i =1 x j
na x = x * za j = 1,..., n
m
g i
* f
2. x j
i
= 0
x j i
x
=
1
j
1.
3. gi(x*) 0, i = 1,...,m
4. i gi(x*) = 0,
i = 1,...,m
5. xj* 0 ,
j = 1,...,n
6. i 0 ,
i = 1,...,m.
Ovo su Karu-Kun-Takerovi (Karush, Kuhn, Tacker) uslovi za
optimalnost reenja zadatka nelinearnog programiranja. Uslovi 3,4, i 5
obezbeuju dopustivost reenja. Ostali uslovi eliminiu vei broj dopustivih
reenja da budu kandidati za optimalno reenje. Kao to je ve reeno,
zadovoljenje Karu-Kun-Takerovih uslova ne garantuje da je reenje
optimalno. Ako su gi(x) konveksne funkcije i f(x) konkavna funkcija, onda
su navedeni KKT uslovi i dovoljni.
Mirko Vujoevi
13
(1.27)
L1(s1, t1, A) +
t1
t0 L
(s(t), u(t); A) dt 0
(1.28)
i/ili
L2(s(t),u(t); A) 0
(1.29)
gde su L1, L2 i L skalarne ili vektorske funkcije.
Zadatak optimalnog upravljanja je odreivanje u(t) koje daje
maksimalnu vrednost funkcionala J(s,u) pri datim ogranienjima. Uoimo da
se funkcionalom, koji je analogan kriterijumskoj funkciji u statikim
zadacima optimizacije, upravljanje u(t), koje je funkcija, preslikava u jednu
taku u kriterijumskom prostoru.
U nekim zadacima se trai istovremeno odreivanje upravljanja
u(t) i parametara sistema A. Ne samo u tim sluajevima, nego uopte,
matematiki modeli realnih dinamikih sistema upravljanja su retko takvi da
se ovako postavljeni zadatak moe reiti analitiki. Zato se preduzimaju
razliite aproksimacije od kojih je najee zamenjivanje kontinualnih
modela diskretnom formom i njegovo reavanje numerikim metodama.
Poto se u ovoj knjizi razmatraju skoro iskljuivo statiki problemi,
samo radi ilustracije ovde se navodi postavka klasinog "problema
brahistohrone". Radi se o problemu krive najkraeg vremena ili krive
najbreg spusta koji je formulisao Johan Bernuli 1696. g. i za koji se vezuje
raanje teorije optimalnog upravljanja [4].
Uvod u optimizaciju
14
a
x
vx
vy
v
B
y
Slika 1.3. Problem brahistohrone
Iz zakona o odranju energije imamo da je posle vremena t u taki
(x,y) promena kinetike jednaka promeni potencijalne energije
1
mv2 = mgy.
2
Dalje
v2 = vx2 + vy2
vx =
dx
dy
, vy =
.
dt
dt
dy 2 dx 2
v 2 = 1 +
dx dt
i kada se zameni u prvu dobija se
1
1 1 + y 2 2
dt =
dx
2g y
Integraljenjem se dobija vreme kretanja
1
a
1 + y 2 2
1
T=
dx
2g 0 y
(1.30)
Mirko Vujoevi
15
dx y y
(1.31)
Literatura
[1] Dajovi, S., Kovaevi-Vuji, V., Matematika II, Kultura, Beograd,
1989.
[2] Opricovi S. Optimizacija sistema, Graevinska knjiga - Nauka,
Beograd, 1992.
[3] Pierre, D. A., Optimization theory with applications, John Wiley&Sons,
New York, 1969.
[4] Sussmann, H. J., Willems J. C., 300 Years of Optimal Control: From
the brachystochrone to the Maximum Principle, IEEE Trans. on
Control Systems, June 1997, pp. 32-44.
[5] Vujoevi, M., Operaciona istraivanja Izabrana poglavlja, Fakultet
organizacionih nauka, Beograd, 1999.
[6] Zlobec S, Petri J., Nelinearno programiranje, Nauna knjiga, Beograd,
1989.