Классические методы безусловной оптимизации (стр. 1 из 5)
ТЕМА
Классические методы безусловной оптимизации
Введение
Как известно, классическая задача безусловной оптимизации имеет вид:
(1) 
(2)Существуют аналитические и численные методы решения этих задач.
Прежде всего вспомним аналитические методы решения задачи безусловной оптимизации.
Методы безусловной оптимизации занимают значительное место в курсе МО. Это обусловлено непосредственным применением их при решении ряда оптимизационных задач, а также при реализации методов решения значительной части задач условной оптимизации (задач МП).
1. Необходимые условия для точки локального минимума (максимума)
Пусть т.
доставляет минимальные значения функции 
. Известно, что в этой точке приращение функции неотрицательно, т.е. 
. (1)Найдем
, используя разложения функции в окрестности т. в ряд Тейлора. 
, (2)где
, 
, 
- сумма членов ряда порядок которых относительно приращений 
(двум) и выше.Из (2) имеем:
(3)Далее предположим, что изменяется только одна переменная из множества переменных
. Например, 
, тогда (3) преобразуется к виду: 
(4)Из (4) с очевидностью следует, что
(5)Предположим, что
, тогда 
(6)С учетом (6) имеем:
. (7)Предположим, что
положительно, т.е. 
. Выберем при этом 
, тогда произведение 
, что противоречит (1).Поэтому, действительно,
очевиден.Рассуждая аналогично относительно других переменных
получаем необходимое условие для точек локального минимума функции многих переменных
(8)Легко доказать, что для точки локального максимума необходимые условия будут точно такими же, как и для точки локального минимуму, т.е. условиями (8).
Понятно, что итогом доказательства будет неравенство вида:
- условие неположительного приращения функции в окрестности локального максимума.Полученные необходимые условия не дают ответ на вопрос: является ли стационарная точка
точкой минимума или точкой максимума.Ответ на этот вопрос можно получить, изучив достаточные условия. Эти условия предполагают исследование матрицы вторых производных целевой функции
.2. Достаточные условия для точки локального минимума (максимума)
Представим разложение функции
в окрестности точки в ряд Тейлора с точностью до квадратичных по 
слагаемых. 
(1)Разложение (1) можно представить более кратко, используя понятие: "скалярное произведение векторов" и "векторно-матричное произведение".
(1') 
- матрица двух производных от целевой функции по соответствующим переменным. 
, 
Приращение функции
на основании (1') можно записать в виде: 
(3)Учитывая необходимые условия:
, (4)Подставим (3) в виде:
(4') 
(5)Квадратичная форма
называется дифференциальной квадратичной формой (ДКФ).Если ДКФ положительно определена, то
и стационарная точка является точкой локального минимума.Если же ДКФ и матрица
, ее представляющая, отрицательно определены, то 
и стационарная точка является точкой локального максимума.Итак, необходимое и достаточное условие для точки локального минимума имеют вид
(эти же необходимые условия можно записать так: 
, 
, 
) 
- достаточное условие.Соответственно, необходимое и достаточное условие локального максимума имеет вид:
, ( 
), 
.Вспомним критерий, позволяющий определить: является ли квадратичная форма и матрица, ее представляющая, положительно определенной, или отрицательно определенной.
3. Критерий Сильвестра
Позволяет ответить на вопрос: является ли квадратичная форма и матрица, ее представляющая, положительно определенной, или отрицательно определенной.
Далее изложение будет относительно ДКФ и матрицы
ее определяющей, т.е. ДКФ вида 
. , - называется матрицей Гессе. 
Главный определитель матрицы Гессе
