Курсовая теория на тему Метод повторяющегося случайного поиска
-
Оформление работы
-
Список литературы по ГОСТу
-
Соответствие методическим рекомендациям
-
И еще 16 требований ГОСТа,которые мы проверили
Введи почту и скачай архив со всеми файлами
Ссылку для скачивания пришлем
на указанный адрес электронной почты
Содержание:
Введение. 3
1. Постановка задачи многомерной
оптимизации. 5
2. Методы случайного поиска.
Достоинства, недостатки и особенности реализации 7
3. Метод повторяющегося случайного поиска. 11
4. Пример реализации метода
повторяющегося случайного поиска. 16
Выводы.. 17
Список используемой литературы.. 18
Введение:
Оптимизация – часто встречающаяся в
науке и различных прикладных отраслях задача. Проектирование технических
объектов всегда включает в себя элементы оптимизации – стремление получить
наилучший вариант среди возможных вариантов. Это стремление реализуется
перебором вариантов структуры объекта (структурный синтез) и варьированием
значений параметров объекта при заданной структуре (параметрическая оптимизация
или просто оптимизация). Отсюда вытекает большая значимость всех
разрабатываемых методов оптимизации.
Оптимизация в математике, информатике
и исследовании операций –задача нахождения экстремума (минимума или максимума)
целевой функции в некоторой области конечномерного векторного пространства,
ограниченной набором линейных и/или нелинейных равенств и/или неравенств.
Одним из известных классов методов
такой оптимизации является случайный поиск. Причины этого – простота алгоритма,
а отсюда и легкореализуемость на ЭВМ, малочувствительность к нерегулярностям
поведения целевой функции, а также легкая модифицируемость исходного алгоритма
с целью улучшения его сходимости.
В данной работе подробно будут
рассмотрены задача многомерной локальной безусловной оптимизации и метод
повторяющегося случайного поиска.
Целью курсовой работы является
повышение уровня знаний и квалификации в области математического
программирования.
Задачи ставятся следующие:
—
дать определение многомерной оптимизационной задачи без ограничений;
— провести краткий анализ существующих
методов решения (а именно методов случайного поиска);
—
проработать необходимую литературу и выявить особенности реализации и
эффективного применения данных методов;
— подробно рассмотреть метод повторяющегося
случайного поиска и его вычислительный алгоритм;
— привести пример реализации данного
метода.
Объектом исследования являются методы
оптимизации.
Предмет исследования – многомерная
локальная безусловная оптимизация и методы случайного поиска.
Работа структурно состоит из
введения, четырех основных глав, выводов
и списка использованной литературы.
Заключение:
Применение методов случайного поиска
на базе современных ЭВМ, а также создание некоторых его модификаций
(использование случайного поиска в комбинации с детерминированными методами
оптимизации и распараллеливание случайного поиска) позволяет получить
достаточно эффективный инструмент для решения различных задач оптимизации, возникающих
на практике.
Данная курсовая работа является одним
из видов контроля качества получения студентами знаний в области освоения
принципов и методологии решения задач математического программирования. В ходе
ее выполнения были изучены теоретические и практические вопросы, касающиеся
решения оптимизационных задач методами случайного поиска:
— дана постановка задачи многомерной
безусловной оптимизации;
— проведен краткий обзор существующих
методов, выявлены их достоинства и недостатки, а также особенности применения и
реализации на ЭВМ;
— детально рассмотрен метод
повторяющегося случайного поиска и составлена
блок-схема алгоритма вычислений;
— приведен наглядный пример фрагмента
решения задачи.
Можно констатировать, что цели и
задачи работы полностью выполнены. Результатом стали полученные знания, навыки
и опыт при решении данного круга задач,
которые будут полезны по специальности в дальнейшем.
Фрагмент текста работы:
1. Постановка задачи многомерной оптимизации
В процессе проектирования ставится
обычно задача определения наилучших, в некотором смысле, структуры или значений
параметров объектов. Такая задача называется оптимизационной. Теорию и методы решения задачи оптимизации
изучает математическое программирование.
Многие
методы решения многомерной задачи нелинейного программирования основаны на
сведении этой задачи к задаче безусловной оптимизации. Поэтому рассмотрим –мерную задачу оптимизации без ограничений , . (1)
По аналогии
с одномерной задачей, для того, чтобы точка являлась минимумом
функции необходимо выполнение
условия стационарности функции в точке или, что то же самое,
необходимо, чтобы точка была стационарной
точкой функции : . (2)
Положим,
что функция дважды непрерывно
дифференцируема в окрестности точки . Для поиска достаточного условия достижения этой функцией в
точке минимума, разложим в окрестности точки в ряд Тейлора: (3)
Здесь -мерный вектор-столбец достаточно малых величин , – – матрица Гессе.
По аналогии
с одномерной задачей, для того, что в точке достигался минимум
функции , необходимо, чтобы разность была положительной.
Поскольку , то из (3) следует, что для выполнения этого условия
необходимо, чтобы матрица Гессе была положительно
определена в точке .