Нахождение экстремумов функции методом лагранжа примеры. Метод Лагранжа (вариации постоянной)

Метод множителей Лагранжа (в англ. литературе «LaGrange"s method of undetermined multipliers») ˗ это численный метод решения оптимизационных задач, который позволяет определить «условный» экстремум целевой функции (минимальное или максимальное значение)

при наличии заданных ограничений на ее переменные в виде равенств (т.е. определена область допустимых значений)

˗ это значения аргумента функции (управляемые параметры) на вещественной области при котором значение функции стремится к экстремуму. Применение названия «условный» экстремум связано с тем, что на переменные наложено дополнительное условие, которое ограничивает область допустимых значений при поиске экстремума функции.

Метод множителей Лагранжа позволяет задачу поиска условного экстремума целевой функции на множестве допустимых значений преобразовать к задаче безусловной оптимизации функции.

В случае если функции и непрерывны вместе со своими частными производными, то существуют такие переменные λ не равные одновременно нулю, при которых выполняется следующее условие:

Таким образом, в соответствии с методом множителей Лагранжа для поиска экстремума целевой функции на множестве допустимых значений составляю функцию Лагранжа L(х, λ), которую в дальнейшем оптимизируют:

где λ ˗ вектор дополнительных переменных, называемых неопределенными множителями Лагранжа.

Таким образом, задача нахождения условного экстремума функции f(x) свелась к задаче поиска безусловного экстремума функции L(x, λ).

и

Необходимое условие экстремума функции Лагранжа задается системой уравнений (система состоит из «n + m» уравнений):

Решение данной системы уравнений позволяет определить аргументы функции (Х), при которых значение функции L(x, λ), а также значение целевой функции f(x) соответствуют экстремуму.

Величина множителей Лагранжа (λ) имеет практический интерес в случае, если ограничения представлены в форме со свободным членом уравнения (константой). В этом случае можно рассматривать дальнейшее (увеличение/уменьшение) значения целевой функции за счет изменения значения константы в системе уравнения . Таким образом, множитель Лагранжа характеризует скорость изменения максимума целевой функции при изменении ограничивающей константы.

Существует несколько способов определения характера экстремума полученной функции:

Первый способ: Пусть – координаты точки экстремума, а - соответствующее значение целевой функции. Берется точка , близкая к точке , и вычисляется значение целевой функции :

Если , то в точке имеет место максимум.

Если , то в точке имеет место минимум.

Второй способ: Достаточным условием, из которого можно выяснить характер экстремума, является знак второго дифференциала функции Лагранжа. Второй дифференциал функции Лагранжа определяется следующим образом:

Если в заданной точке минимум , если же , то целевая функция f(x) имеет в данной точке условный максимум.

Третий способ: Также характер экстремума функции можно выяснить рассмотрев гессиан функции Лагранжа. Матрица Гессе представляет собой симметричную квадратную матрицу вторых частных производных функции в точке , в которой элементы матрицы симметричны относительно главной диагонали.

Для определения типа экстремума (максимум или минимум функции) можно воспользоваться правилом Сильвестра:

1. Для того, чтобы второй дифференциал функции Лагранжа был знакоположителен необходимо, чтобы угловые миноры функции были положительными . При таких условиях функция в этой точке имеет минимум.

2. Для того, чтобы второй дифференциал функции Лагранжа был знакоотрицателен , необходимо, чтобы угловые миноры функции чередовались, причем первый элемент матрицы должен быть отрицательнsv . При таких условиях функция в этой точке имеет максимум.

Под угловым минором понимаем минор, расположенный в первых k строках и k столбцах исходной матрицы.

Основное практическое значение метода Лагранжа заключается в том, что он позволяет перейти от условной оптимизации к безусловной и, соответственно, расширить арсенал доступных методов решения задачи. Однако задача решения системы уравнений, к которой сводится данный метод, в общем случае не проще исходной задачи поиска экстремума. Такие методы называются непрямыми. Их применение объясняется необходимостью получить решение экстремальной задачи в аналитической форме (допустим, для тех или иных теоретических выкладок). При решении конкретных практических задач обычно используются прямые методы, основанные на итеративных процессах вычисления и сравнения значений оптимизируемых функций.

Методика расчета

1 шаг : Определяем функцию Лагранжа из заданной целевой функции и системы ограничений:

Вперёд

Для того, чтобы добавить Ваш комментарий к статье, пожалуйста, зарегистрируйтесь на сайте.

Классификация задач математического программирования

ПРОГРАММИРОВАНИЯ

МЕТОДЫ РЕШЕНИЯ ЗАДАЧ НЕЛИНЕЙНОГО

Контрольные вопросы к разделу 4

Схема решения транспортной задачи

Перечислим основные этапы решения транспортной задачи.

1. Проверяют условие замкнутости. Если задача открытая, транспортную таблицу дополняют или столбцом фиктивного пункта потребления, или строкой фиктивного поставщика.

2. Строят опорный план.

3. Проверяют опорный план на невырожденность. Если для выполнения условия невырожденности не хватает занятой клетки, одну из клеток транспортной таблицы заполняют поставкой, равной нулю. При необходимости допустимо записывать нулевые поставки в несколько клеток.

4. План проверяют на оптимальность.

5. Если условия оптимальности не выполняются, переходят к следующему плану путем перераспределения поставок. Вычислительный процесс повторяется до получения оптимального плана.

1. Каков смысл целевой функции в математической модели транспортной задачи?

2.Каков смысл ограничений в математической модели транспортной задачи?

3. Можно ли применить метод потенциалов для решения открытой (незамкнутой) транспортной задачи?

4.Какие изменения необходимо внести в исходную транспортную таблицу, чтобы задачу можно было решить методом потенциалов?

5.В чем суть метода минимального элемента? Какой этап решения транспортной задачи будет выполнен в результате применения этого метода?

6. Как узнать является ли план перевозок оптимальным?

7. В каком случае и каким образом необходимо выполнить перераспределение поставок в плане перевозок?

8. Допустим построенный план перевозок является вырожденным. Можно ли продолжить решение задачи методом потенциалов и что для этого необходимо предпринять?

Общая задача математического программирования была сформулирована в разделе 1.1. В зависимости от типа функций, входящих в модель (1.1)-(1.3), задачу относят к тому или иному виду математического программирования. Различают линейное программирование (все функции линейны), целочисленное (решение представляют целые числа), квадратичное (целевая функция является квадратичной формой), нелинейное (хотя бы одна из функций задачи нелинейна) и стохастическое программирование (включены параметры, имеющие вероятностный характер).

Класс задач нелинейного программирования шире класса линейных моделей. Например, производственные затраты в большинстве случаев не пропорциональны объему выпуска, а зависят от него нелинейно, доход от реализации продуктов производства оказывается нелинейной функцией цен и т.д. Критериями в задачах оптимального планирования часто служат максимум прибыли, минимум себестоимости, минимум капитальных затрат. В качестве переменных величин выступают объемы выпуска различных видов продукции. В число ограничений входят производственные функции, характеризующие связь между выпуском продукции и затратами трудовых и материальных ресурсов, объем которых лимитирован.

В отличие от линейного программирования, в котором применяется универсальный метод решения (симплекс-метод), для решения нелинейных задач существует целый спектр методов в зависимости от формы входящих в модель функций. Из всего многообразия методов нами будут рассмотрены только два: метод Лагранжа и метод динамического программирования.

С уть метода Лагранжа заключается в сведении задачи на условный экстремум к решению задачи безусловного экстремума. Рассмотрим модель нелинейного программирования:

(5.2)

где – известные функции,

а – заданные коэффициенты.

Отметим, что в данной постановке задачи ограничения заданы равенствами, отсутствует условие неотрицательности переменных. Кроме того, полагаем, что функции непрерывны со своими первыми частными производными.

Преобразуем условия (5.2) таким образом, чтобы в левых или правых частях равенств стоял ноль :

(5.3)

Составим функцию Лагранжа. В нее входит целевая функция (5.1) и правые части ограничений (5.3), взятые соответственно с коэффициентами . Коэффициентов Лагранжа будет столько, сколько ограничений в задаче.

Точки экстремума функции (5.4) являются точками экстремума исходной задачи и наоборот: оптимальный план задачи (5.1)-(5.2) является точкой глобального экстремума функции Лагранжа.

Действительно, пусть найдено решение задачи (5.1)-(5.2), тогда выполняются условия (5.3). Подставим план в функцию (5.4) и убедимся в справедливости равенства (5.5).

Таким образом, чтобы найти оптимальный план исходной задачи, необходимо исследовать на экстремум функцию Лагранжа. Функция имеет экстремальные значения в точках, где ее частные производные равны нулю . Такие точки называются стационарными.

Определим частные производные функции (5.4)

,

.

После приравнивания нулю производных получим систему m+n уравнений с m+n неизвестными

, (5.6)

В общем случае система (5.6)-(5.7) будем иметь несколько решений, куда войдут все максимумы и минимумы функции Лагранжа. Для того чтобы выделить глобальный максимум или минимум, во всех найденных точках вычисляют значения целевой функции. Наибольшее из этих значений будет глобальным максимумом, а наименьшее – глобальным минимумом. В некоторых случаях оказывается возможным использование достаточных условий строгого экстремума непрерывных функций (см. ниже задачу 5.2):

пусть функция непрерывна и дважды дифференцируема в некоторой окрестности своей стационарной точки (т.е. )). Тогда:

а ) если , (5.8)

то – точка строгого максимума функции ;

б) если , (5.9)

то – точка строгого минимума функции ;

г ) если ,

то вопрос о наличии экстремума остается открытым.

Кроме того, некоторые решения системы (5.6)-(5.7) могут быть отрицательными. Что не согласуется с экономическим смыслом переменных. В этом случае следует проанализировать возможность замены отрицательных значений нулевыми.

Экономический смысл множителей Лагранжа. Оптимальное значение множителя показывает на сколько изменится значение критерия Z при увеличении или уменьшении ресурса j на одну единицу, так как

Метод Лагранжа можно применять и в том случае, когда ограничения представляют собой неравенства. Так, нахождение экстремума функции при условиях

,

выполняют в несколько этапов:

1. Определяют стационарные точки целевой функции, для чего решают систему уравнений

.

2. Из стационарных точек отбирают те, координаты которых удовлетворяют условиям

3. Методом Лагранжа решают задачу с ограничениями-равенствами (5.1)-(5.2).

4. Исследуют на глобальный максимум точки, найденные на втором и третьем этапах: сравнивают значения целевой функции в этих точках – наибольшее значение соответствует оптимальному плану.

Задача 5.1 Решим методом Лагранжа задачу 1.3, рассмотренную в первом разделе. Оптимальное распределение водных ресурсов описывается математической моделью

.

Составим функцию Лагранжа

Найдем безусловный максимум этой функции. Для этого вычислим частные производные и приравняем их к нулю

,

Таким образом, получили систему линейных уравнений вида

Решение системы уравнений представляет собой оптимальный план распределения водных ресурсов по орошаемым участкам

Величины измеряются в сотнях тысяч кубических метров. - величина чистого дохода на одну сотню тысяч кубических метров поливной воды. Следовательно, предельная цена 1 м 3 оросительной воды равна ден. ед.

Максимальный дополнительный чистый доход от орошения составит

160·12,26 2 +7600·12,26-130·8,55 2 +5900·8,55-10·16,19 2 +4000·16,19=

172391,02 (ден. ед.)

Задача 5.2 Решить задачу нелинейного программирования

Ограничение представим в виде:

.

Составим функцию Лагранжа и определим ее частные производные

.

Чтобы определить стационарные точки функции Лагранжа, следует приравнять нулю ее частные производные. В результате получим систему уравнений

Рассмотрим линейное неоднородное дифференциальное уравнение первого порядка:
(1) .
Существует три способа решения этого уравнения:

• метод вариации постоянной (Лагранжа).

Рассмотрим решение линейного дифференциального уравнения первого порядка методом Лагранжа.

Метод вариации постоянной (Лагранжа)

В методе вариации постоянной мы решаем уравнение в два этапа. На первом этапе мы упрощаем исходное уравнение и решаем однородное уравнение. На втором этапе мы заменим постоянную интегрирования, полученную на первой стадии решения, на функцию. После чего ищем общее решение исходного уравнения.

Рассмотрим уравнение:
(1)

Шаг 1 Решение однородного уравнения

Ищем решение однородного уравнения:

Это уравнение с разделяющимися переменными

Разделяем переменные - умножаем на dx , делим на y :

Интегрируем:

Интеграл по y - табличный :

Тогда

Потенцируем:

Заменим постоянную e C на C и уберем знак модуля, что сводится к умножению на постоянную ±1 , которую включим в C :

Шаг 2 Заменим постоянную C на функцию

Теперь заменим постоянную C на функцию от x :
C → u(x)
То есть, будем искать решение исходного уравнения (1) в виде:
(2)
Находим производную.

По правилу дифференцирования сложной функции:
.
По правилу дифференцирования произведения:

.
Подставляем в исходное уравнение (1) :
(1) ;

.
Два члена сокращаются:
;
.
Интегрируем:
.
Подставляем в (2) :
.
В результате получаем общее решение линейного дифференциального уравнения первого порядка:
.

Пример решения линейного дифференциального уравнения первого порядка методом Лагранжа

Решить уравнение

Решение

Решаем однородное уравнение:

Разделяем переменные:

Умножим на :

Интегрируем:

Интегралы табличные :

Потенцируем:

Заменим постоянную e C на C и убираем знаки модуля:

Отсюда:

Заменим постоянную C на функцию от x :
C → u(x)

Находим производную:
.
Подставляем в исходное уравнение:
;
;
Или:
;
.
Интегрируем:
;
Решение уравнения:
.

С уть метода Лагранжа заключается в сведении задачи на условный экстремум к решению задачи безусловного экстремума. Рассмотрим модель нелинейного программирования:

(5.2)

где
– известные функции,

а
– заданные коэффициенты.

Отметим, что в данной постановке задачи ограничения заданы равенствами, отсутствует условие неотрицательности переменных. Кроме того, полагаем, что функции
непрерывны со своими первыми частными производными.

Преобразуем условия (5.2) таким образом, чтобы в левых или правых частях равенств стоял ноль :

(5.3)

Составим функцию Лагранжа. В нее входит целевая функция (5.1) и правые части ограничений (5.3), взятые соответственно с коэффициентами
. Коэффициентов Лагранжа будет столько, сколько ограничений в задаче.

Точки экстремума функции (5.4) являются точками экстремума исходной задачи и наоборот: оптимальный план задачи (5.1)-(5.2) является точкой глобального экстремума функции Лагранжа.

Действительно, пусть найдено решение
задачи (5.1)-(5.2), тогда выполняются условия (5.3). Подставим план
в функцию (5.4) и убедимся в справедливости равенства (5.5).

Таким образом, чтобы найти оптимальный план исходной задачи, необходимо исследовать на экстремум функцию Лагранжа. Функция имеет экстремальные значения в точках, где ее частные производные равны нулю . Такие точки называютсястационарными.

Определим частные производные функции (5.4)

,

.

После приравнивания нулю производных получим системуm+n уравнений сm+n неизвестными

,(5.6)

В общем случае система (5.6)-(5.7) будем иметь несколько решений, куда войдут все максимумы и минимумы функции Лагранжа. Для того чтобы выделить глобальный максимум или минимум, во всех найденных точках вычисляют значения целевой функции. Наибольшее из этих значений будет глобальным максимумом, а наименьшее – глобальным минимумом. В некоторых случаях оказывается возможным использование достаточных условий строгого экстремума непрерывных функций (см. ниже задачу 5.2):

пусть функция
непрерывна и дважды дифференцируема в некоторой окрестности своей стационарной точки(т.е.
)). Тогда:

а ) если
, (5.8)

то – точка строгого максимума функции
;

б) если
, (5.9)

то – точка строгого минимума функции
;

г ) если
,

то вопрос о наличии экстремума остается открытым.

Кроме того, некоторые решения системы (5.6)-(5.7) могут быть отрицательными. Что не согласуется с экономическим смыслом переменных. В этом случае следует проанализировать возможность замены отрицательных значений нулевыми.

Экономический смысл множителей Лагранжа. Оптимальное значение множителя
показывает на сколько изменится значение критерияZ при увеличении или уменьшении ресурсаj на одну единицу, так как

Метод Лагранжа можно применять и в том случае, когда ограничения представляют собой неравенства. Так, нахождение экстремума функции
при условиях

,

выполняют в несколько этапов:

1. Определяют стационарные точки целевой функции, для чего решают систему уравнений

.

2. Из стационарных точек отбирают те, координаты которых удовлетворяют условиям

3. Методом Лагранжа решают задачу с ограничениями-равенствами (5.1)-(5.2).

4. Исследуют на глобальный максимум точки, найденные на втором и третьем этапах: сравнивают значения целевой функции в этих точках – наибольшее значение соответствует оптимальному плану.

Задача 5.1 Решим методом Лагранжа задачу 1.3, рассмотренную в первом разделе. Оптимальное распределение водных ресурсов описывается математической моделью

.

Составим функцию Лагранжа

Найдем безусловный максимум этой функции. Для этого вычислим частные производные и приравняем их к нулю

,

Таким образом, получили систему линейных уравнений вида

Решение системы уравнений представляет собой оптимальный план распределения водных ресурсов по орошаемым участкам

, .

Величины
измеряются в сотнях тысяч кубических метров.
- величина чистого дохода на одну сотню тысяч кубических метров поливной воды. Следовательно, предельная цена 1 м 3 оросительной воды равна
ден. ед.

Максимальный дополнительный чистый доход от орошения составит

160·12,26 2 +7600·12,26-130·8,55 2 +5900·8,55-10·16,19 2 +4000·16,19=

172391,02 (ден. ед.)

Задача 5.2 Решить задачу нелинейного программирования

Ограничение представим в виде:

.

Составим функцию Лагранжа и определим ее частные производные

.

Чтобы определить стационарные точки функции Лагранжа, следует приравнять нулю ее частные производные. В результате получим систему уравнений

.

Из первого уравнения следует

. (5.10)

Выражение подставим во второе уравнение

,

откуда следует два решения для :

и
. (5.11)

Подставив эти решения в третье уравнение, получим

,
.

Значения множителя Лагранжа и неизвестной вычислим по выражениям (5.10)-(5.11):

,
,
,
.

Таким образом, получили две точки экстремума:

;
.

Для того чтобы узнать являются ли данные точки точками максимума или минимум, воспользуемся достаточными условиями строгого экстремума (5.8)-(5.9). Предварительно выражение для , полученное из ограничения математической модели, подставим в целевую функцию

,

. (5.12)

Для проверки условий строгого экстремума следует определить знак второй производной функции (5.11) в найденных нами экстремальных точках
и
.

,
;

.

Таким образом, (·)
является точкой минимума исходной задачи (
), а (·)
– точкой максимума.

Оптимальный план :

,
,
,

.

Найти полином означает определить значения его коэффициента . Для этого используя условие интерполяции можно сформировать систему линœейных алгебраических уравнений (СЛАУ).

Определитель этой СЛАУ принято называть определителœем Вандермонда. Определитель Вандермонда не равен нулю при для , то есть в том случае, когда в интерполяционной таблице нет совпадающих узлов. Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, можно утверждать, что СЛАУ имеет решение и это решение единственно. Решив СЛАУ и определив неизвестные коэффициенты можно построить интерполяционный полином .

Полином, удовлетворяющий условиям интерполяции, при интерполяции методом Лагранжа строится в виде линœейной комбинации многочленов n-ой степени:

Многочлены принято называть базисными многочленами. Для того, чтобы многочлен Лагранжа удовлетворял условиям интерполяции крайне важно, чтобы для его базисных многочленов выполнялись следующие условия:

для .

В случае если эти условия выполняются, то для любого имеем:

Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, выполнение заданных условий для базисных многочленов означает, что выполняются и условия интерполяции.

Определим вид базисных многочленов исходя из наложенных на них ограничений.

1-е условие: при .

2-е условие: .

Окончательно для базисного многочлена можно записать:

Тогда, подставляя полученное выражение для базисных многочленов в исходный полином, получаем окончательный вид многочлена Лагранжа:

Частная форма многочлена Лагранжа при принято называть формулой линœейной интерполяции:

.

Многочлен Лагранжа взятый при принято называть формулой квадратичной интерполяции:

Метод Лагранжа. - понятие и виды. Классификация и особенности категории "Метод Лагранжа." 2017, 2018.