Bài toán tối ưu hóa các hàm lồi 18
Nếu hàm mục tiêu f(x) cùng các hàm ràng buộc gj(x), hl(x) là
những hàm số lồi thì bài toán gọi là các bài toán tối ưu hàm
lồi (convex programming problem)
Khi đó nếu các λ
j ≥ 0 thì các hàm Lagrange L cũng sẽ là
những hàm lồi
Khi đó thì tại các điểm dừng x* cũng sẽ chính là điểm cực
tiểu tuyệt đối (toàn cục)
Điều kiện KKT sẽ trở thành điều kiện cần và đủ để tìm min
toàn cục
Nếu bài toán tối ưu là tìm cực tiểu các hàm lồi, thì sẽ
không có điểm dừng cũng như các cực đại địa phương.
Tuy nhiên những bài toán kỹ thuật thực tế rất khó xác
định được các hàm số là lồi hay không.
27 trang |
Chia sẻ: thanhle95 | Lượt xem: 400 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu Bài giảng Tối ưu hóa trong thiết kế cơ khí - Chương 6: Tối ưu hàm nhiều biến số với ràng buộc tổng quát - Phương pháp cổ điển, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
Trường Đại học Công nghiệp thành phố Hồ Chí Minh
Khoa Công nghệ Cơ khí
CHƯƠNG 06:
TỐI ƯU HÀM NHIỀU BIẾN SỐ
VỚI RÀNG BUỘC TỔNG QUÁT:
PHƯƠNG PHÁP CỔ ĐIỂN
Thời lượng: 3 tiết
2
Tối ưu hàm nhiều biến với ràng buộc tổng quát
f xTìm cực trị (Optimum) của hàm nhiều biến sau:
Với m điều kiện ràng buộc bất đẳng thức:
Với: 1 2
T
nx x xx
0
1,2, ,
jg
j m
x
Với p điều kiện ràng buộc đẳng thức: 0
1,2, ,
lh
l p
x
3
Điều kiện Karush-Kuhn-Tucker
1 1
1 2 1 2 1 2
, ,
; ;
pm
j j l l
j l
TT T
n m p
L f g h
x x x
x λ η x x x
x λ η
1 1
, , 0; 1.. 1
0; 1.. 2
0; 1.. 3
0 min
; 1.. 4
0 max
0; 1.. 5
pm
j l
j j
j li i i i
j j
j
j
j
l
g hL f
i n
x x x x
g j m
g j m
f
j m
f
h l p
x λ η x x x
x
x
x
x
x
4
Điều kiện Karush-Kuhn-Tucker (Tiếp)
11 1
22 2; ;
pn m
x
x
x
x λ η
Giải hệ
(1)÷(5) với
(n+m+p) ẩn,
ta có:
Kiểm tra J1 véctơ Gradient của hàm bất đẳng thức ràng buộc g
tại điểm cực trị và p véc tơ Gradient của hàm đẳng thức ràng
buộc h tại điểm cực trị x*, phải là không phụ thuộc tuyến tính
với nhau. Nếu vậy thì x*, λ*, η* sẽ là điểm cực trị.
1 0
j
j
g
j J
x
1..
lh
l p
x
và KHÔNG PHỤ THUỘC TUYẾN TÍNH
Không phụ thuộc/phụ thuộc tuyến tính
5
Cho M = J1+p véc tơ:
1
1 2 1 2
1 1 1 1
1 2 1 2, , , , , , ,
pJ J J J
J pg g g h h h
v v v v v v
x x x x x x
Với: 1 2
T
nx x xx
Xây dựng ma trận A:
1 1 1 11 2 1 2
x M
1 ;
J J J J p
N
M J p N n
A v v v v v v
Trường hợp 1: Khi M > N Các véc tơ sẽ luôn phụ thuộc tuyến tính
Trường hợp 2: Khi M = N Ta tính det(A). Nếu det(A) = 0 thì phụ thuộc
tuyến tính, ngược lại thì không phụ thuộc tuyến tính.
Trường hợp 3: Khi M < N, Ta tính rank(A). Nếu rank(A)=M tức là bằng
số lượng véc tơ thì hệ độc lập tuyến tính. Nếu khác rank(A)≠M thì hệ
phụ thuộc tuyến tính.
6
Không phụ thuộc/phụ thuộc tuyến tính
1 2
1 1 1
1 2
2 2 2
2
1 2
1 2
1 1 1
1 2
2 2 2
x
1 2
; ; ;
M
M
M
M
N N N
M
M
N M
M
N N N
a a a
a a a
a a a
a a a
a a a
a a a
1v v v
A
Xác định M véc tơ v sau đây là độc lập tuyến tính hay phụ
thuộc tuyến tính
Đưa về
dạng bậc
thang
Xác định
hạng
Rank(A)
7
1 2
1 1 1
1 2
2 2 2
x
1 2
M
M
N M
M
N N N
a a a
a a a
a a a
A
1) Nếu Rank(A)=M Các véc tơ v là độc lập tuyến tính
2) Nếu Rank(A)<M Các véc tơ v là phụ thuộc tuyến tính
Do Rank(A)≤N, nên nếu N < M thì Rank(A)<M, có nghĩa là nếu
N<M thì các véc tơ v sẽ luôn phụ thuộc tuyến tính
Không phụ thuộc/phụ thuộc tuyến tính
8
Không phụ thuộc/phụ thuộc tuyến tính
Xác định 3 véc tơ v sau đây là độc lập tuyến tính hay phụ thuộc
tuyến tính
1 2 3
2 4 6
6 3 9
; ; ;
2 2 4
2 0 1
v v v
Gaussian
Elimination
4 62 4 6 2
96 3 9 0 9
2 2 4 0 0 3
2 0 1 0 0 0
A
4
3
N
M
Rank(A)=3=M
Kết luận: 3 véctơ v là độc lập tuyến tính
9
Tối ưu hàm nhiều biến với ràng buộc tổng quát
Tìm cực trị hàm sau: 2 21 2 3 1 2 1 3, , 2 30 16 min/ maxf x x x x x x x
Với 2 ràng buộc bđt: 1 2 3 36 3 0; 0x x x x
3
2
1
n
m
p
Với 1 ràng buộc đt: 1 2 35 3 4 20 0x x x
2 2
1 2 1 3 1 1 2 3 2 3
1 1 2 3
, , 2 30 16 6 3
5 3 4 20
L x x x x x x x x
x x x
x λ η
1 2 3 1 2 1; ;
T T T
x x x x λ η
10
1 1 1
1
2 1 1
2
1 2 1
3
1 1 2 3
2 3
1 2 3
3
1
2
1 2 3
2 30 5 0 1
4 6 3 0 2
16 3 4 0 3
6 3 0 4
0 5
6 3 0 6
0 7
0 8
0 9
5 3 4 20 0 10
L
x
x
L
x
x
L
x
x x x
x
x x x
x
x x x
Giải hệ
PT tìm
6 ẩn
Hệ PT (4) và (5) sẽ
tương đương với 4
trường hợp con như
sau:
11 1) Trường hợp 1:
1 1 1
2 1 1
1 2 1
1
2
1 2 3
3
1
2
1 2 3
1
2
1
1
2
3
2 30 5 0
4 6 3 0
16 3 4 0
0
0
6 3 0
0
0
0
5 3 4 20
0
0
4
3
1
0
5
x
x
x x x
x
x x x
x
x
x
Đây là điểm dừng
f = - 123
12 2) Trường hợp 2:
1 1 1
2 1 1
1 2 1
1
3
1 2 3
3
1
2
1 2 3
1
2
3
1
2
1
2 30 5 0
4 6 3 0
16 3 4 0
0
0
6 3 0
0
0
0
5 3 4 20 0
220
5
335
59
165
59
0
0
64
0
59
9
x
x
x
x x x
x
x x x
x
x
x
Đây là điểm dừng, có
khả năng là cực đại
địa phương
f = - 7225/59
13 3) Trường hợp 3:
1 1 1
2 1 1
1 2 1
1 2 3
2
1 2 3
3
1
2
1
1
2 3
1
1
2
2
3
2 30 5 0
4 6 3 0
16 3 4 0
6 3 0
0
6 3 0
0
0
0
5 3 4 20 0
1695
947
1641
947
3847
947
1280
4748
94
0
947
7
0
x
x
x x x
x x x
x
x x x
x
x
x
Đây là điểm dừng, có
khả năng là cực đại
địa phương
f = - 103681/947
14 4) Trường hợp 4:
1 1 1
2 1 1
1 2 1
1 2 3
3
1 2 3
3
1
2
1 2
1
1
3
1
2
3
2
2650
1089
769
2 30 5 0
4 6 3 0
16 3 4 0
6 3 0
0
6 3 0
0
0
0 44
5 3 4 20
40
11
20
33
0
20
1
4
1
0 90 8
089
x
x
x
x
x x x
x
x x x
x
x x x
x
Đây là điểm dừng, có
khả năng là cực đại
địa phương
f = - 103600/1089
15
Tính Gradient của các hàm ràng buộc gj và hl:
1 2
1 1
1 2
1 2
2 2
1 2
3 3
1
1
1
1
2
1
3
1 0
6 ; 0 ;
3 1
5
3
4
g g
x x
g g
g g
x x
g g
x x
h
x
h
h
h
h
x
x x x x
x x
16
1 2 1
1 0 5
6 ; 0 ; 3
3 1 4
g g h
x x x x x x
1) Trường hợp 1: Do λ1 = 0 và λ2 = 0 nên
1
5
3
4
A h
x x
Trường hợp này không xét 2
grandient của g vì các λ của
chúng = 0. Grandient của h
đứng 1 mình nên không phụ
thuộc tuyến tính với ai.
2) Trường hợp 2: Do λ1 = 0 nên
2 1
0 5
0 3
1 4
A g h
x x
Có 2 định thức
thành phần khác 0
nên 2 véctơ này
không phụ thuộc
tuyến tính. Đây là
cực trị
17 3) Trường hợp 3: Do λ2 = 0
1 1
1 5
6 3
3 4
A g h
x x
Cả 3 định thức
thành phần khác 0
nên 2 véc tơ này
không phụ thuộc
tuyến tính. Đây là
cực trị.
4) Trường hợp 4:
1 2 1
1 0 5
6 0 3
3 1 4
det 33 0
A g g h
A
x x x
3 véctơ trên không phụ thuộc tuyến tính nên trường hợp 4
cũng là cực trị địa phương.
Điểm dừng ở trường hợp 1 là điểm cực tiểu với giá trị nhỏ
nhất. 3 trường hợp còn lại là cực đại địa phương. Trường
hợp 4 là điểm cực đại toàn cục.
18 Bài toán tối ưu hóa các hàm lồi
Nếu hàm mục tiêu f(x) cùng các hàm ràng buộc gj(x), hl(x) là
những hàm số lồi thì bài toán gọi là các bài toán tối ưu hàm
lồi (convex programming problem)
Khi đó nếu các λj ≥ 0 thì các hàm Lagrange L cũng sẽ là
những hàm lồi
Khi đó thì tại các điểm dừng x* cũng sẽ chính là điểm cực
tiểu tuyệt đối (toàn cục)
Điều kiện KKT sẽ trở thành điều kiện cần và đủ để tìm min
toàn cục
Nếu bài toán tối ưu là tìm cực tiểu các hàm lồi, thì sẽ
không có điểm dừng cũng như các cực đại địa phương.
Tuy nhiên những bài toán kỹ thuật thực tế rất khó xác
định được các hàm số là lồi hay không.
19
Tối ưu hàm nhiều biến với ràng buộc tổng quát
Tìm cực trị hàm sau: 21 2 3 1 2 3, , 6 2 4 minf x x x x x x
Với 2 ràng buộc bđt: 1 2 3 22 2 0; 0x x x x
3
2
1
n
m
p
Với 1 ràng buộc đt: 21 2 32 4 0x x x
2
1 2 3 1 1 2 3 2 2
2
1 1 2 3
, , 6 2 4 2 2
2 4
L x x x x x x x
x x x
x λ η
1 2 3 1 2 1; ;
T T T
x x x x λ η
20
1 1
1
1 2 1
2
3 1 1 3
3
1 1 2 3
2 2
1 2 3
2
1
2
2
1 2 3
6 2 2 0 1
2 2 4 0 2
8 2 0 3
2 2 0 4
0 5
2 2 0 6
0 7
0 8
0 9
2 4 0 10
L
x
L
x
L
x x
x
x x x
x
x x x
x
x x x
Giải hệ
PT tìm
6 ẩn
Hệ PT (4) và (5) sẽ
tương đương với 4
trường hợp con như ví
dụ trước.
21 1) Trường hợp 1:
1 1
1 2 1
3 1 1 3
1
2
1 2 3
2
1
2
2
1 2 3
6 2 2 0 1
2 2 4 0 2
8 2 0
0
0
2 2 0
0
0
0
2 4 0
x x
x x x
x
x x x
Vô nghiệm
22 2) Trường hợp 2:
1 1
1 2 1
3 1 1 3
1
2
1 2 3
2
1
2
2
1 2 3
6 2 2 0 1
2 2 4 0 2
8 2 0
0
0
2 2 0
0
0
0
2 4 0
x x
x
x x x
x
x x x
Vô nghiệm
23 3) Trường hợp 3:
1 1
1 2 1
3 1 1 3
1 2 3
2
1 2 3
2
1
2
2
1
1
2
1
2
3
2
1
3
6 2 2 0 1
2 2 4 0 2
8 2 0
2 2 0
0
2 2 0
0
0
0
2 4
5
3
185
1536
55
15
4
3
0
36
5
16
0
x x
x x x
x x x
x
x x
x
x
x
x
Đây là điểm dừng
f = -25/96
24
1 1
1 2 1
3 1 1 3
1 2 3
2
1 2 3
2
1
2
2
1 2 3
6 2 2 0 1
2 2 4 0 2
8 2 0
2 2 0
0
2 2 0
0
0
0
2 4 0
x x
x x x
x
x x x
x
x x x
Vô nghiệm
4) Trường hợp 4:
25
Tính Gradient của các hàm ràng buộc gj và hl:
1 2
1 1
1 2
1 2
2 2
1 2
3 3
1
1
1
1 1
2
3
1
3
2 0
2 ; 1 ;
1 0
2 2
4 4
2 5
8
g g
x x
g g
g g
x x
g g
x x
h
x
h
h h
h
x
h
x
x x x x
x x
26
Ta chỉ có 1 trường hợp có nghiệm với λ2=0
1 1
2 2
2 4
1 5
8
A g h
x x
Có 3 định thức
thành phần khác 0
nên 2 véctơ này
không phụ thuộc
tuyến tính. Đây là
cực trị
Đây là điểm cực tiểu
1
2
3
185
1536
55
1536
25
96
5
16
x
x
x
f
x
27 Giải hệ phương trình phi tuyến bằng MATLAB
11 2 2
2
1 2
sin 0
2
x
x x e x
x x
digits(32);
[x1,x2] = solve('sin(x1+x2) - exp(x1)*x2 = 0','x1^2 - x2 = 2')