Методы прямого поиска. Оптимальный пассивный поискРяд методов минимизации основан на сравнении значений функции f, вычисляемых в точках х 1, х 2, …, хN. Эти методы часто называют методами прямого поиска, а точки хi - пробными точками. Уточним постановку задачи. Требуется найти приближение к точке минимума унимодальной на отрезке [ A, B ] функции f. Предположим также, что число пробных точек N заранее фиксируется и за приближение к точке минимума принимается одна из этих точек. Оптимальный пассивный поиск. Метод решения поставленной задачи, в котором задаётся правило вычисления сразу всех пробных точек х 1, х 2, …, хN и за принимается та точка хk, для которой , называется методом пассивного поиска. Оценим погрешность этого метода. Для удобства положим х 0 = A, хN+1 = B. В силу выбора точки справедливы неравенства f (xk-1) ≥ f (xk) и f (xk) ≤ f (xk+1). Поэтому из п.3 утверждения 2 следует, что [ xk-1, xk+1 ]. Следовательно, | - xk | £ max { xk - xk-1, xk+1 - xk }. Так как положение точки минимума на отрезке [ A, B ] заранее неизвестно, то для справедлива лишь следующая гарантированная оценка погрешности: . (2.1) Можно показать, что величина, стоящая в правой части неравенства (1), станет минимальной, если точки х 1, х 2, …, хN расположить на отрезке [ A, B ] равномерно в соответствии с формулой xi = A + ih, где h = , Δ = B – A. Метод с таким выбором пробных точек называется оптимальным пассивным поиском. Гарантированная оценка погрешности для него выглядит так: . (2.2) Пример 2. Используем оптимальный пассивный поиск для того, чтобы найти с точностью ε = 0.1 точку локального минимума функции f (х) = х2 – х + е-х, локализованную на отрезке [0, 1]. Из формулы (2) следует, что для решения задачи потребуется вычислить значения функции в девяти пробных точках вида xi = 0.1 i, где i = 1, 2, …, 9. Приведём таблицу этих значений:
Так как минимальное значение достигается в точке х 7 = 0.7, то = 0.7±0.1. Если бы мы попытались найти с точностью ε = 10-2, то оптимальный пассивный поиск потребовал бы вычисления значений функции уже в 99 точках. На рис 2.1 приведена блок-схема алгоритма метода оптимального пассивного поиска. F(x) – заданная целевая функция – должна быть описана отдельно. Входные данные: А, B – значения концов отрезка локализации [ A, B ]; Eps – заданная точность вычислений; Результаты: Xmin - приближение к искомому значению абсциссы точки минимума; Fmin – значение целевой функции в точке минимума. Начало Ввод А, В, Eps N = round ((B - A)/Eps) Xmin = A Fmin = F(A) i = 1.. N x = A + i* Eps Fx = F(x)
Xmin = x Fmin = F(x) Вывод Xmin, Fmin end
Рисунок 2.1 - Блок-схема алгоритма метода оптимального пассивного поиска
|