Professional Documents
Culture Documents
P04. Optimizacija Uz Ograničenja Tipa Jednakosti. Metod Lagranževih Množitelja I Metod Kazenih Funkcija.
P04. Optimizacija Uz Ograničenja Tipa Jednakosti. Metod Lagranževih Množitelja I Metod Kazenih Funkcija.
1 Uvodna razmatranja
U prethodnom poglavlju započeli smo studiju optimizacionog pro-
blema sa ograničenjima tipa jednakosti. Obradili smo dva postupka
metod smene i metod ograničene varijacija, u okviru metoda sme-
ne nedvosmisleno smo pokazali da iznalažanje optimalnog rešenja
direktno zavisi od izbora promenljivih po kojima se vrši slobodna
optimizacija, a sličan problem imamo i slučaju ograničene varijacije
gde postoje strogi uslovi, koji moraju biti zadovoljeni da bi se prvi
korak diferenciranja sproveo. Namera nam je da u ovom poglavlju
izložimo dva postupka, koja imaju opštiji karakter i kao takvi imaju
veću potentnost u praktičnoj primeni. Prvo ćemo razmatrati metod
Lagranževih množitelja1 , a zatim metod kaznenih funkcija 2 . U 1
Engl. Lagrange multiplier
rešavanju svih optimizacionih problema sa ograničenjima, metod La- 2
Engl. Penalty function method
granževih množitelja je sigurno najzastupljeniji u inženjerskoj praksi,
a sa druge strane u numeričkim optimizacionim formalizmima me-
tod kaznenih funkcija se pokazao kao pouzdan alat i našao je široku
primenu.
y = y(x1 , x2 , . . . , xn ) , (1)
pod uslovom da su promenljive stanja med̄usobno vezane sledećom
relacijom
gk (x1 , x2 , . . . , xn ) = 0 za k = 1, 2, . . . , m (2)
m
L ≡ F = y(x1 , x2 , . . . , xn ) + ∑ λk gk (x1 , x2 , . . . , xn ) , (3)
k =1
2x1 + 3x2 = 6 .
∂L
=8x1 + 2λ = 0
∂x1
∂L
=10x2 + 3λ = 0 .
∂x2
Parcijalni izvod po dodatnoj promenljivoj daje
∂L
= 2x1 + 3x2 − 6 = 0 .
∂λ
Dalje rešavanje je jednostavno, na primer, možemo svesti na jednači-
nu po nepoznatom Lagranževom množitelju
Å ã Å ã
1 3
2 − λ +3 − λ −6 = 0 ,
4 10
i dalje lako dobijamo λ = − 30 ∗ ∗
7 , x1 = 1.071 i x2 = 1.286.
y = y(x1 , x2 ) , (6)
optimizacija uz ograničenja tipa jednakosti, metodi lagranževih množitelja i kaznenih funkcija 4
i jedno ograničenje
g(x1 , x2 ) = 0 . (7)
Podsetimo na teoriju metoda ograničene varijacije iz prethodnog
poglavlja, gde smo pokazali da u tački ekstrema važe sledeće relacije
∂y ∂y
dy = dx1 + dx2 = 0 , (8)
∂x1 ∂x2
odnosno, da su dozvoljeni priraštaji ograničeni sledećom jednačinom
∂g ∂g
dg = dx + dx2 = 0 . (9)
∂x1 1 ∂x2
Iz jednačine (9) nalazimo sledeću vezu dozvoljenih priraštaja
∂g
∂x2
dx1 = − ∂g
dx2 , (10)
∂x1
∂y ∂g
+λ =0 (14)
∂x1 ∂x1
uz ograničenje
g(x1 , x2 ) = 0 . (17)
Naše rešenje (x1∗ , x2∗ ), mora da obezbedi stalno poštovanje ograničenja
(17), g(x1∗ , x2∗ ) = 0, a vrednost kriterijuma optimalnosti y(x1∗ , x2∗ ) = c
mora da bude što je moguće manja/veća. Kada se poklope ova dva
uslova, krive y(x1∗ , x2∗ ) = c i g(x1∗ , x2∗ ) = 0 se med̄usobno dodiruju
u tački (tangentno se dodiruju), što znači da su njihovi tangentni
vektori med̄usobno paralelni i upravni na ravan dodira.
Ovo praktično znači, da ako su funkcije (16) i (17) diferencijabilne
onda su u svakoj tangentnoj tački ove dve krive, njihovi gradijentni
vektori med̄usobno paralelni, odnosno postoji celobrojni multiplika-
tor koji ih povezuje:
∂L
=3 + 2λx1 = 0
∂x1
∂L
=4 + 2λx2 = 0 .
∂x2
Parcijalni izvod po dodatnoj promenljivoj daje:
∂L
= x12 + x22 − 1 = 0 .
∂λ
Rešavanje ovog sistema jednačina nije komplikovano, preporučujemo
da elimišete λ iz prve dve jednačine i onda se iz kvadratne jednačine
ograničenja dobiju dve tačke ekstrema, slika 1, ( 53 , 45 ) i (− 35 , − 45 ) i
vrednost lagranževog množitelja λ = ± 25 . Rešenje na osnovu grafičke
interpretacije, detaljno smo obrazložili u komentaru slike 1.
optimizacija uz ograničenja tipa jednakosti, metodi lagranževih množitelja i kaznenih funkcija 6
-4 -3 -2 -1 0 1 2 3 4
g ≡ V = r2 πh .
Potrebni uslovi počinju počinju od uslova stacionarnosti: Iz uslova stacionarnosti možemo prime-
titi nekoliko zakonomernosti. Množenje
sa konstantom svih članova kriterijuma
∂F optimalnosti ne utiče na studiju pro-
=4rπ + 2πh − 2λrhπ = 2r + h − λrh = 0 blema, zato nam π faktički i ne treba.
∂r Med̄utim interesantniji je drugi zaklju-
∂F
=2rπ − λr2 π = r (2 − λr) = 0 čak, rešavanjem uslova stacionarnosti
∂h lako dobijamo kandidata za minimum
r = h = 0, što bi nedvosmislemo znači-
Odbacivanjem trivijalnih rešenja, koja ne zadovoljavaju ograničenja, lo, cilindar najmanje zapremine je onaj,
lako dolazimo da je kandidat za minimum, cilindar koji ima prečnik koji ne postoji, naravno ovo rešenje od-
bacujemo zbog postojanja ograničenja
jednak visini 2r = h. U tom slučaju željene vrednosti poluprečnika i V = r2 πh, a čitaoce podsećamo na prva
visine cilindra se izračunavaju kao četiri koraka u iznalaženju potrebnih
uslova ekstrema metodom Lagranževih
množitelja. Ovde ponovo podsećamo
ã1 na neophodnost pravilnog definisanja
V 3
Å
r= optimizacionog problema, npr. pitanje,
2π koji je cilindar najmanje površine sigur-
Å ã1 no bi dobili trivijalno rešenje A = 0.
V 3 Slično tome rešenje problema, želimo
h =2
2π maksimalnu proizvodnju uz minimalna
Å ã1 ulaganje bi nam bilo beskonačno i nula
16π 3 respektivno. Ostavljamo čitaocima da
λ=
V osmisle i pravilno definišu ovaj problem
proizvodnje i ulaganja.
∂2 F
=4 − 2λh
∂r2
∂2 F
=2 − 2λr
∂r∂h
∂2 F
=0 ,
∂h2
odnosno u tački ekstrema:
∂2 F
D1 = = −4
∂r2
Ç å2
∂2 F ∂2 F ∂2 F
D2 = − = −4 .
∂r2 ∂h2 ∂r∂h
∂2 L ∂2 L ∂2 L ∂2 L
2 ∂x1 ∂x2 ∂x1 ∂x3 ... ∂x1 ∂xn
∂x2 1
∂2 L ∂2 L ∂2 L
∂L ...
∂x2 ∂x1
2 ∂x22 ∂x2 ∂x3 ∂x2 ∂xn
∂2 L ∂2 L ∂2 L
∂L ...
Q= ∂x3 ∂x1 ∂x3 ∂x2 ∂x32 ∂x3 ∂xn . (19)
.. .. .. .. ..
. . . . .
∂2 L ∂2 L ∂2 L ∂2 L
∂xn ∂x1 ∂xn ∂x2 ∂xn ∂x3 ... ∂xn2
∂g ∂g1 ∂g1
1
∂x1 ∂x2 ... ∂xn
∂g2 ∂g2 ∂g2
∂x1 ∂x2 ... ∂xn
P= . ;. (20)
.. .. .. ..
. . .
∂gm ∂gm ∂gm
∂x1 ∂x2 ... ∂xn
L11 − µ L12 L13 ... L1n g11 g21 ... gm1
L
21 L22 − µ L23 ... L2n g12 g22 ... gm2
L31 L32 L33 − µ ... L3n g13 g23 ... gm3
.. .. .. .. .. .. .. .. ..
. .
. . . . . . .
∆ = Ln1
Ln2 Ln3 ... Lnn − µ g1n g2n ... gmn
g g12 g13 ... g1n 0 0 ... 0
11
g21 g22 g13 g1n
... 0 0 ... 0
.. .. .. .. .. .. ..
.. ..
. . . . . . . . .
g gm2 gm3 ... gmn
... 0 0 0
m1
(22)
Rešavanjem determinante ∆ (22) dobijamo polinom u funkciji
parametra µ i akko su koreni polinoma
y = x2 ,
F = x2 + P (x − 1)2 ,
F 0 (x) = 2x + 2P (x − 1) = 0 ,
odnosno
P
x∗ = ,
1+P
što za velike vrednosti P čini da je x ∗ = 1.
y = y(x1 , x2 , . . . , xn ) , (23)
optimizacija uz ograničenja tipa jednakosti, metodi lagranževih množitelja i kaznenih funkcija 11
uz ograničenja
gk (x1 , x2 , . . . , xn ) = 0 za k = 1, 2, . . . , m . (24)
F = y ± g2P . (27)
Ilustrovaćemo metod kaznenih funkcija i kroz primer.
Primer 5. Metod kaznenih funkcija
Izračunati minimum kriterijum optimalnosti sa dve promenljive
stanja:
g = 2x1 + 3x2 − 6 = 0 .
∂F
=8x1 + 4P (2x1 + 3x2 − 6) = 0
∂x1
∂F
=10x2 + 6P (2x1 + 3x2 − 6) = 0 .
∂x2
Eliminacijom P dobijamo
8x1 10x2
= − P (2x1 + 3x2 − 6) =
4 6
tako da je
5
x1 = x2
6
∂F
Zamenom u jedan od izraza ∂xi , npr. u prvi dobijamo 10 10
Obratite pažnju, ne zamenjujemo
u jednačinu ograničenja g = 0, to
Å
5
ã Å
5
ã bi onda bila modifikacija metoda
8 x2 + 4P x2 + 3x2 − 6 = 0 , Lagranževih množitelja, već dalje
6 3 rešavamo kao problem bez ograničenja.
Što je i osnovna pretpostavka ovog
ili postupka.
24P 9
x2 = 20
= .
3 + P 56
3 7 + 5
2P
Za velike vrednosti pondera P (P → ∞) daje poznatu vrednost za
x2∗ = 1.286 i dalje x1∗ = 1.071. Proverom dovoljnih uslova, bez većih
problema dobijamo
D1 =8 (1 + P) > 0
D2 =16 (5 + 14P) > 0