Алгоритм метода крутого восхождения

Начальный этап. Выбрать начальную точку X0(1)=[ Алгоритм метода крутого восхождения - student2.ru ]T, интервал варьирования DX(1)=[Dx1(1), D x2(1),…, Dxn(1)]Tи e> 0 - скаляр, используемый в критерии остановки,a - коэффициент сжатия шага, n–размерность задачи, число опытов равно N=2n. Положить k=1, i=1 и перейти к основному этапу.

Основной этап. Шаг 1. Вычислить натуральное и кодированное значение переменной х(k)i= Алгоритм метода крутого восхождения - student2.ru Dxi(k) и Yi=(xi(k)-x0i(k))/Dxi(k). Если i=n, то положить j=1 и перейти к шагу 2, иначе положить i=i+1 и вернуться к шагу 1.

Шаг 2. В соответствии с матрицей планирования полного факторного эксперимента реализовать полный факторный эксперимент в окресности точки X(k). Определить значение функции f(Хj(k)). Если j=N, то положить i=1, j=1 и перейти к шагу 3, иначе вернуться к шагу 2.

Шаг 3. Вычислить коэффициенты аппроксимационного уравнения Алгоритм метода крутого восхождения - student2.ru f(X(k)) = b0(k) + b1(k)x1(k) + b2(k)x2(k) + … + bn(k)xn(k) по формуле Алгоритм метода крутого восхождения - student2.ru . Если i=n, то перейти к шагу 4, иначе вернуться к шагу 3.

Шаг 4. Определить значение функции в точке (X(k)- jDX(k)Ba), если
f(X(k)- jDX(k)Ba)<f(X(k)), то положить j=j+1 и вернуться к шагу 4, иначе
X(k+1)= (X(k)- jDX(k)Ba), k=k+1 и перейти к шагу 5.

Шаг 5. Если ||X(k+1) - X(k)|| < e, то остановиться; в противном случае i=j=1и перейти к шагу 1.

Пример расчета экстремума функции методом крутого восхождения.

Постановка задачи. Найти минимум функции f(x) = (x1 - 2)4 + (х1 - 2х2)2. Выбираем начальное приближение Х(1) = [2.5; 2.5]Т, интервал варьирования на первой итерации принимаем DX(1)=[0.5; 0.5]T, a(1)=0,05 и точность поиска e=0,01.

Результаты расчетов минимума функции методом крутого восхождения с использованием табличного процессора EXCEL для данного варианта представлены в таблице 2.8. Траектория поиска метода приведена на рис.2.8.

Таблица 2.8.

Результаты расчета минимума функции f(x) = (x1 - 2)4 + (х1 - 2х2)2 методом крутого восхождения.

1. Эксперимент в точке [2.5,2.5], Δx1=0.5, Δx2=0.5,
Y1 Y2 x1 x2 f(X) b1 b2
-1 -1 2.00 2.00 4.00 -2.00 5.00
-1 3.00 2.00 2.00 a=0.05
-1 2.00 3.00 16.00    
3.00 3.00 10.00    
Движение в направлении градиента
x1 x2 f(X) x1 x2 f(X)
2.500 2.500 6.3125 2.800 1.750 0.8996
2.600 2.250 3.7396 2.900 1.500 0.6661
2.700 2.000 1.9301 3.000 1.250 1.2500
2. Эксперимент в точке [2.9,1.5], Δx1=0.5, Δx2=0.5,
Y1 Y2 x1 x2 f(X) b1 b2
-1 -1 2.40 1.00 0.1856 1.81 0.20
-1 3.40 1.00 5.8016 a=0.1
-1 2.40 2.00 2.5856    
3.40 2.00 4.2016    
Движение в направлении градиента
x1 x2 f(X) x1 x2 f(X)
2.900 1.500 0.6661 2.538 1.460 0.2296
2.719 1.480 0.3255 2.358 1.440 0.2893
2. Эксперимент в точке [2.538,1.460], Δx1=0.75, Δx2=0.5,
Y1 Y2 x1 x2 f(X) b1 b2
-1 -1 1.788 0.960 0.0193 0.80 0.76
-1 3.288 0.960 4.6280 a=0.1
-1 1.788 1.960 4.5457    
3.288 1.960 3.1544    
Движение в направлении градиента
x1 x2 f(X) x1 x2 f(X)
2.538 1.460 0.2296 2.217 1.155 0.0108
2.458 1.384 0.1397 2.136 1.078 0.0008
2.378 1.307 0.0766 2.056 1.002 0.0027
2.297 1.231 0.0350 Критерий     Достигнут
                             

Алгоритм метода крутого восхождения - student2.ru Алгоритм метода крутого восхождения - student2.ru Алгоритм метода крутого восхождения - student2.ru В результате трех итераций реализации метода крутого восхождения получена точка Х*=[2.056; 1,002]т, значение функции в которой f(Х*)=0.0027.

 
  Алгоритм метода крутого восхождения - student2.ru

Рис.2.8 Траектория поиска минимума функции методом крутого восхождения.

Методы с использованием производных 2-го порядка

Наши рекомендации