Διαχείριση Λειτουργιών

Βελτιστοποίηση Συστημάτων
Συνθήκες βελτιστοποίησης για προβλήματα με Περιορισμούς
Ικανές/Αναγκαίες
Παραδείγματα

Δρ. Αθανάσιος Δ. Παναγόπουλος

Επικ. Καθ. ΕΜΠ

1 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Περιεχόμενα

 Πρόβλημα Βελτιστοποίησης με Εξισωτικούς Περιορισμούς

 Αναγκαίες Συνθήκες 1ης Τάξης /2ης Τάξης
 Ικανές Συνθήκες Ελαχίστου
 Λαγκρανζιανές Συναρτήσεις
 Πρόβλημα Βελτιστοποίησης με Εξισωτικούς και
Ανισωτικούς Περιορισμούς
 Παραδείγματα

2 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Συνθήκες Βελτιστοποίησης με Εξισωτικούς Περιορισμούς

Πρόβλημα Βελτιστοποίησης με εξισωτικούς περιορισμούς

min f  x  ,
x
h x  0

f  x  , R n  R , h  x  , R n  R m είναι συνεχώς διαφορίσιμες ,

T
h  x    h1  x  , h2  x  ,..., hm  x   , m  n

3 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Κανονικό Σημείο

 
Κανονικό Σημείο : ένα σημείο x*  R n , που ικανοποιεί h x*  0 λέγεται κανονικό σημείο αν

     
h1 x* , h2 x* ,..., hm x* είναι γραμμικώς ανεξάρτητα.

Αν το x* είναι κανονικό σημείο τότε το υπερεπίπεδο :

 n
 
  y  R : h j x* T

y  0, j  1, 2,..m

έχει διάσταση n  m.

4 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Λαγκρανζιανή Συνάρτηση
Λαγκρανζιανη Συνάρτηση L, R n  m  R ορίζεται ως:
m
L ( x,  )  f  x     h x
j 1
j j

Τα στάσιμα της L είναι και στάσιμα του προβλήματος με εξισωτικούς περιορισμούς.

Δηλαδή ικανοποιούν τις αναγκαίες συνθήκες πρώτης τάξης.

m
 x L ( x,  )  0   f  x     h  x   0
j 1
j j

  L ( x,  )  0  h ( x )  0

5 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Αναγκαίες Συνθήκες πρώτης Τάξης

Αναγκαίες Συνθήκες 1ης Τάξης

Αν το σημείο x*  R n είναι τοπικό ακρότατο της f  x  με περιορισμούς h  x   0

και το x* είναι κανονικό σημείο των περιορισμών τότε υπάρχει   R m τέτοιο ώστε :

m
    h  x   0
*
f x  j j
*

j 1

h x  0

Οι αναγκαίες συνθήκες είναι n+m γραμμικές εξισώσεις ως προς n+m αγνώστους

x* και λ.

6 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Αναγκαίες Συνθήκες Δεύτερης Τάξης

Αναγκαίες Συνθήκες 2ης Τάξης

Αν το σημείο x*  R n είναι τοπικό ακρότατο της f  x  με περιορισμούς h  x   0

και το x* είναι κανονικό σημείο των περιορισμών τότε υπάρχει   R m τέτοιο ώστε :

m
f x*      h  x   0j j
*

j 1

 
h j x*  0, j  1,..., m

 2 L(x* ,  )
 
T 
y 2
y  0 για κάθε y που ικανοποιεί h j x* y0
x

7 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Ικανές Συνθήκες Δεύτερης Τάξης Ελαχίστου

Ικανές Συνθήκες 2ης Τάξης

Αν τα σημεία x*  R n    R m  ύ :
m
f x*      h  x   0 j j
*

j 1

 
h j x*  0, j  1,..., m

 2 L(x* ,  )
y T
x 2
y  0 για κάθε y που ικανοποιεί h j x  
* 
y0

τότε το x* είναι αυστηρό τοπικό ελάχιστο.

Θετικά ορισμένη η Εσσιανή μήτρα της Λαγκρανζιανής.

 2 L(x* ,  )  2 f (x* )
m
 j  2 h j (x* )
x 2

x 2
 
j 1 x 2

8 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Συνθήκες Βελτιστοποίησης
με Εξισωτικούς/Ανισωτικούς Περιορισμούς

Πρόβλημα Βελτιστοποίησης με εξισωτικούς και ανισωτικούς

περιορισμούς

min f  x  ,
x
hi  x   0, i  1, 2,..., m
g j  x   0, j  1, 2,..., l

f  x  , R n  R , h  x  , R n  R m , g  x  , R n  R l είναι συνεχώς διαφορίσιμες ,

T
h  x    h1  x  , h2  x  ,..., hm  x   , m  n
T
g  x    g1  x  , g 2  x  ,..., gl  x   , l  n

9 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Συνθήκες Βελτιστοποίησης
με Εξισωτικούς / Ανισωτικούς Περιορισμούς

Επιτρεπτό σύνολο τιμών, δηλαδή το σύνολο των σημείων που ικανοποιούν τους
περιορισμούς.


F  x  R n , hi  x   0, i  1, 2,..., m, g j  x   0, j  1, 2,..., l 
Αν πάρουμε ένα σημείο x να ανήκει στο επιτρεπτό σύνολο ο καθένας
από τους ανισωτικούς περιορισμούς θα ικανοποιείται είτε σαν αυστηρή ανισότητα
είτε σαν ισότητα.

g j : ενεργός στο x  F αν g j  x   0
g j : μη ενεργός στο x  F  g j  x   0

Σύνολο Ενεργών Περιορισμών στο x  F

 
J ( x)  j : g j  x   0

10 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Συνθήκες Βελτιστοποίησης
με Εξισωτικούς / Ανισωτικούς Περιορισμούς
Πρόταση

Αν το x* είναι τοπικό ελάχιστο του αρχικού προβλήματος βελτιστοποίησης

τότε το x* είναι επίσης τοπικό ελάχιστο του προβλήματος

min f ( x)
με περιορισμούς hi ( x)  0, i  1, 2,..., m

 
g j ( x)  0, j  J x*

Ένα σημείο λέγεται κανονικό των περιορισμών αν οι κλίσεις των εξισωτικών περιορισμών
 
και των ανισωτικών περιορισμών hi ( x), g j ( x), i  1, 2,..., m, j  J x*
είναι γραμμικά ανεξάρτητες.

11 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Αναγκαίες Συνθήκες πρώτης Τάξης
Συνθήκες Κuhn-Tucker
Αναγκαίες Συνθήκες 1ης Τάξης

Αν το σημείο x*  R n είναι τοπικό ελάχιστο του αρχικού προβλήματος βελτιστοποίησης

και κανονικό σημείο των περιορισμών , τότε υπάρχουν διανύσματα   R m και   R l τέτοια ώστε:

m l
f x      h  x     g  x   0
*
i i
*
j j
*

i 1 j 1

 
hi x*  0, i  1, 2,..., m

g  x   0, j  1, 2,..., l
j
*

 g  x   0, j  1, 2,..., l
j j
*

 j  0, j  1, 2,..., l

12 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Αναγκαίες Συνθήκες Δεύτερης Τάξης

Αναγκαίες Συνθήκες 2ης Τάξης

Αν οι συναρτήσεις f, g, h, είναι δύο φορές συνεχώς διαφορίσιμες
και το σημείο x*  R n είναι τοπικό ελάχιστο του αρχικού προβλήματος βελτιστοποίησης

και κανονικό σημείο των περιορισμών , τότε υπάρχουν διανύσματα   R m και   R l (Πολλαπλασιαστές Lagrange)
με   0 που ικανοποιούν τις συνθήκες Kuhn-Tucker και επίσης η μήτρα:


 2 L x* ,  ,     f x  
2 * m
 
 2 hi x* l
 
 2 g j x*
x 2 x 2

i 1
i
x 2

j 1
j
x 2
είναι θετικά ημιορισμένη πάνω στο εφαπτόμενο επίπεδο των
εξισωτικών και των ενεργών ανισωτικών περιορισμών στο x* .

Δηλαδή η τετραγωνική μορφή yT


 2 L x* ,  ,   y έιναι >=0 για κάθε y  R n
που ικανοποιεί
2
x
h
i
x  * T
y  0, i  1, 2,..., m

g x 
j
* T
y  0, j  J x*  
13 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων
 Ικανές Συνθήκες Δεύτερης Τάξης

Ικανές Συνθήκες 2ης Τάξης

Αν οι συναρτήσεις f, g, h, είναι δύο φορές συνεχώς διαφορίσιμες

και το σημείο x* με αντίστοιχα διανύσματα   R m και   R l (Πολλαπλασιαστές Lagrange)

με   0 που ικανοποιούν τις συνθήκες Kuhn-Tucker και επίσης η μήτρα:


 2 L x* ,  ,     f x  
2 * m
 
 2 hi x* l
 
 2 g j x*
x 2 x 2

i 1
i
x 2

j 1
j
x 2
είναι θετικά ορισμένη στον υποχώρο Τ'


 '  y  R n : h
i
  x*
T
y  0, i  1, 2,..., m , g
j
  x*
T
 
y  0, j  J ' x*

 
όπου J ' x*  j : g   x   0,   0  J  x 
j
*
j
*

 L  x , ,  
2 *

Δηλαδή αν yT y  0 για κάθε y  R n

x 2
το σημείο x*  R n είναι αυστηρό τοπικό ελάχιστο του αρχικού προβλήματος βελτιστοποίησης.

14 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων

 Ερωτήσεις/Ασκήσεις

Ευχαριστώ για την

προσοχή σας !!!

Ε-mail: thpanag@ece.ntua.gr
Παλ. Κτίρια Ηλ/γων Γρ. 3.2.9

15 ΣΗΜΜΥ ΕΜΠ Βελτιστοποίηση Συστημάτων