Курсовая работа: Сравнительный анализ методов оптимизации

На рисунке 12 представлена фигура, объем, которой необходимо максимизировать при заданной площади поверхности

Рисунок 12 – Фигура для максимизации объема при заданной площади поверхности

Найдем полную площадь поверхности данной фигуры(без верхней поверхности):

,

найдем объем фигуры:

Эта задача представляет собой пример задачи условной оптимизации: необходимо найти максимальный объем при заданном значении площади поверхности.

Эту задачу можно решить двумя методами:

Метод преобразования целевой функции,

метод штрафных функций.

3.1 Метод преобразования целевой функции

Т.к. положено ограничение типа равенства, то из этого ограничения одну переменную выразим через другую и подставим полученную зависимость в целевую функцию и получим преобразованную целевую функцию, но без ограничений.

V = 4/3∙a2∙h2+7/3∙h1∙a2 → max (1)

S = 6∙a∙h1+4∙h2∙a (2)

Выразим a из (2) и подставим в (1), получим:

V = s2∙(4∙h2+7∙h1)/3∙(6∙h1+4∙h2)2

Теперь, задав начальные условия, значение площади поверхности, и выбрав нужную точность можно решить задачу любым методом безусловной оптимизации.

Возьмем, например, метод правильного симплекса, и зададим начальные условия: а=1м, h1=3м, h2=4м, s=34м. Для метода симплекса выберем точность ε=0,001.

Т.е максимальный объем V=12,7151461307724, при заданной площади получается при h1 = 2,946875, и h2 = 3,83229490168751

3.2 Метод штрафных функций

Методы штрафных функций относятся к группе непрямых методов решения задач нелинейного программирования:

f(x) -> min;

gi(x) 0, i 1, ..., k;

hj(x) 0, j 1, ..., m;

a x b.

Они преобразуют задачу с ограничениями в последовательность задач безусловной оптимизации некоторых вспомогательных функций. Последние получаются путем модификации целевой функции с помощью функций-ограничений таким образом, чтобы ограничения в явном виде в задаче оптимизации не фигурировали. Это обеспечивает возможность применения методов безусловной оптимизации. В общем случае вспомогательная функция имеет вид

F(x,a) f(x) +rS(x)

Здесь f(x) - целевая функция задачи оптимизации; S(x) - специальным образом выбранная фун