Professional Documents
Culture Documents
Minimum f ( x ) x ∈ R N
T
∂f ∂f ∂f ∂f
∇f=
[ , ,
∂ x 1 ∂ x 2 ∂ x3
,…,
∂ xN ]
Dobro je zapamtiti da f može poprimiti minimalnu vrijednost u točki x, pri čemu je f
neprekinuta ili f ne postoji. Potrebno je barem privremeno zaboraviti te faktore, kako bi se
mogli odrediti kriteriji optimalnosti. Često se moramo zadovoljiti lokalnim optimumima,
budući da skalar f često neće biti konveksan i multimodalan kao na slici 3.1., kontura
površine Himmelblauove funkcije:
2 2
f ( x )=[ x21 + x 2−11 ] + [ x 1 + x 22−7 ]
Slika 1.1. Konture Himmelblauove funkcije:
Vidimo da ova funkcija ima četiri različita minimuma. Zatim ispitujemo dinamičko pitanje s
obzirom na x (0), točku koja ne zadovoljava gore navedene kriterije optimalnosti, koji je bolji
kriterij (1) rješenja x *? Upravo to dovodi do rasprave o nizu drugih načina o čemu će više
biti riječi kasnije.
KRITERIJ OPTIMALNOSTI
Razvijeni su kriteriji ili uvjeti koji omogućuju da karakteriziramo odnosno klasificiramo točke
u prostoru. Ispitujemo kriterije optimuma iz dva razloga:
f ( x )=f ( x́ )+ ∇ f ¿
x́ → točka proširenja u R N
∆ f ( x ) =f ( x )−f ( x́ )=∇ f ¿
Prema definiciji koja govori da je minimalna točka takva, da sve ostale točke oko nje imaju
veće vrijednosti, proizlazi:
∆ f ( x ) =f ( x )−f ( x́ ) ≥0
Ako jednadžba vrijedi za x ∈ RN , točka x́ je globalni minimum i poprima oznaku x ¿∗¿ ¿, a ako
je za neke okolne točke δ, x takav da vrijedi ⌈ ⌈ x− x́ ⌉ ⌉ ≤ δ za δ >0, tada je točka x́lokalni
minimum. Kada je:
∆ f ( x ) =f ( x )−f ( x́ ) ≤0