Professional Documents
Culture Documents
1
1. OSNOVNI POJMOVI
min(max) f ( x1 ,..., xn )
(NLP)
gi ( x1 ,..., xn ) 0, i 1,..., m
min(max) f ( x)
(NLP)
gi ( x) 0, i 1,..., m
min(max) f ( x)
(NLP)
x X
min(max) f ( x)
(BO)
x Rn
2
Napomena 1: Problem maksimizacije se može svesti na problem
minimizacije. Rešava se pomoćni problem
min( f ( x))
x X
x12 x22 x3 1, x1 x2
možemo opisati na sledeći način:
g1 ( x) x12 x22 x3 1 0
g 2 ( x) x12 x22 x3 1 0
g3 ( x) x2 x1 0.
min f ( x1 ,..., xn )
(KLP)
hi ( x1 ,..., xn ) 0, i 1,..., m
3
Pojam dopustivog i optimalnog rešenja.
x X .
x* X je strogi globalni minimum problema (NLP) ako je f ( x ) f ( x )
*
za sve x X , x x* .
4
Tačka x* X je lokalni minimum problema (NLP) ako je najbolja u nekoj
svojoj dopustivoj okolini, tj. postoji 0 tako da je f ( x* ) f ( x) za sve
x X takve da je || x x* || .
Dopustiva
okolina tačke
Tačka x* X je
strogi lokalni
minimum
problema (NLP) ako postoji 0 tako da je f ( x* ) f ( x) za sve x X
takve da je || x x* || i x x* .
5
Stanje teorije u oblasti NLP
6
2. BEZUSLOVNA OPTIMIZACIJA. NEOPHODNI I DOVOLJNI
USLOVI OPTIMALNOSTI
Problem:
min f ( x)
(BO)
x Rn
Metodologija:
1) Traže se rešenja sistema
f f
(S) 0, ... , 0
x1 xn
2 f 2 f
x 2
x x
1 1 n
f ( x)
2
2
f 2
f
xnx1 xn2
7
Navedena metodologija se zasniva na sledećim rezultatima:
8
Primer 1.
f
4 x13 2 x1 2 x2 0
x1
4 x1 4 x2 x1 x2
3 3
f
4 x23 2 x1 2 x2 0
x2
4 x13 4 x1 0 x1 0 x1 (0,0)
x1 1 x 2 (1,1)
x1 1 x 3 (1, 1)
12 x12 2 2
f ( x)
2
2 12 x2
2
2
2 2
x (0,0),
1
f (x )
2 1
, D1 2, D2 0 bez zaključka
2 2
10 2
x 2 (1,1), 2 f ( x2 ) , D1 10, D2 96 strogi lok. min.
2 10
x3 (1, 1), 2 f ( x 3 ) 2 f ( x 2 ), strogi lok. min.
9
Šta ako su narušeni uslovi (i), (ii)?
10
Napomena 1: Broj glavnih minora jednak je n, dok broj simetričnih
minora raste eksponencijalnom brzinom u odnosu na n. Zato 3.1) i 3.2)
ima smisla koristiti samo za probleme malih dimenzija
2 2
Primer 2. 2
f ( x1
) 2 2
1 2 (vrsta 1, kolona 1)
2 2 (vrsta 2, kolona 2) i dalje nema odgovora
2 2
3 0
2 2
11
3. KLASIČNI PROBLEM USLOVNOG EKSTREMUMA
Problem:
min f ( x)
(KLP)
hi ( x) 0, i 1,..., m
h1 h1
x
xn
1
J ( x) rang J(x)=m na dopustivom
h hm
m
x1 xn mn
skupu
h1 ( x1 ,..., xn ) 0 x1 1 ( xm 1 ,..., xn )
hm ( x1 ,..., xn ) 0 xm m ( xm 1 ,..., xn )
12
Dobija se problem bezuslovne optimizacije
Eliminišimo, na primer, x3 :
x3 9 x1 x2 .
F F
Biće F ( x1 , x2 ) 3 x1 7 x2 5(9 x1 x2 ), 6 x1 5, 14 x2 5 i
2 2
x1 x2
5 5
jedina stacionarna tačka je x *
, .
6 14
6 0
Kako je 2
F ( x *
) 0 14 , D1 6 0, D2 84 0 , zaključujemo da je
x strogi lokalni minimum pomoćnog problema, tj. da je tačka
*
5 5 164
, , strogi lokalni minimum polaznog problema.
6 14 21
13
3.2. METODA LAGRANŽOVIH MNOŽILACA
m
(KLP) Lagranžova funkcija L( x, ) f ( x) i hi ( x)
i 1
Metodologija:
1) Traže se rešenja sistema
L L L L
(SS) 0,..., 0, 0,..., 0
x1 xn 1 m
2) Traži se matrica
h1 h1
0 0 x1
xn
hm hm
0 0
x1 xn 0 J
H ( x, ) JT
h1 hm 2L 2L 2xx L
x1 x1 x12 x1xn
h hm 2L 2L
1
xn xn xnx1 xn2 ( m n )( m n )
14
3) Neka je ( x* , * ) rešenje (SS) i neka su D1 ,..., Dm n glavni minori
matrice H ( x* , * ) .
(i) (1) m D2 m 1 >0,...,(1) m Dm n >0 x* je strogi lokalni minimum (KLP)
2 0 0
2xx L( x, ) 0 2 0 J 1 1 1
0 0 2
0 1 1 1
1 2 0 0
H ( x, ) H ( x* , * ) m 1, n 3, 2m 1 3, m n 4
1 0 2 0
1 0 0 2
0 1 1
(1) m D2 m 1 (1) D3 1 2 0 4 0
1 0 2
0 1 1 1
1 2 0 0
(1) m Dm n D4 12 0
1 0 2 0
1 0 0 2
x* je strogi lokalni minimum (videće se da se radi o globalnom
minimumu)
16
4. OPŠTI SLUČAJ PROBLEMA NELINEARNOG
PROGRAMIRANJA
Problem:
min f ( x)
(NLP)
gi ( x) 0, i 1,..., m
min f ( x)
(KLP)
gi ( x) xn2i 0, i 1,..., m
17
Primer 1.
F
10 x2 0
x2 x2 0
F x3 0
16 x3 (1 x32 ) 0
x3
10 0 10 0
2 F ( x2 , x3 ) , 2
F (0,0) 0 16
0 16(1 x3 ) 16 x3 2 x3
2
D1 10 0, D2 160 0
(0,0) strogi lokalni min (BO) (1,0,0) strogi lokalni min (KLP) (1,0)
strogi lokalni min (NLP) (kasnije ćemo videti da je to globalni minimum).
18
4.2. KUN-TAKEROVA TEOREMA, NAJVAŽNIJI REZULTAT U
NLP
Problem:
min f ( x)
(NLP)
gi ( x) 0, i 1,..., m
19
Konveksnost.
Konveksnost skupova
Konveksna funkcija:
f ( x1 (1 ) x2 ) f ( x1 ) (1 ) f ( x2 ) x1 , x2 C i [0,1] .
“grafik se nalazi ispod sečice”
Konveksnost funkcije
Strogo konveksna funkcija:
f ( x1 (1 ) x2 ) f ( x1 ) (1 ) f ( x2 ) , x1 , x2 C , x1 x2 i
(0,1) .
21
Teorema 2. Matrica 2 f ( x) je pozitivno definitna na C f je strogo
konveksna na C.
Primer 1.
f ( x) e x1 x2 ,
f x1 x2 f x1 x2 e x1 x2 e x1 x2
e , e , f ( x) x x
2
x1 x2 e
1 2
e x1 x2
1 2 e x1 x2 0, 3 0 2 f ( x) pozitivno semidefinitna f
konveksna na R 2 .
22
Najpoznatija su sledeća dva uslova regularnosti:
Primer 4. a)
min x1
x12 x22 1
b)
min x1
x12 x22 0
23
min x1
x1 0
x2 0
x2 ( x1 1) 2 0.
R2 ne važi u (1,0)
1 0 2( x1 1)
g1 ( x) , g 2 ( x ) , g 3 ( x) .
0 1
1
24
1. U tački xa је I ( xa ) {1, 2},
1 0
g1 ( xa ) , g 2 ( xa ) .
0 1
2. U tački xb je I ( xb ) {1,3},
1 2
g1 ( xb ) , g3 ( xb )
0 1
3. U tački x* је I ( x* ) {2,3},
0 0
g 2 ( x * ) , g 3 ( x * )
1 1
25
Kun-Takerova teorema (Neophodni uslovi optimalnosti; Kuhn,
Tucker, 1951). Poznata i kao Karuš-Kun-Takerova teorema.
Neka je x* lokalni minimum problema (NLP) i neka važi R1 ili u x* važi
R2. Tada postoji * R m tako da važi:
m
(i) f ( x ) i gi ( x ) 0
* * *
i 1
(iii) * 0
(iv) gi ( x* ) 0, i 1,..., m.
(ii) i gi ( x) 0, i 1,..., m
(iii) 0
(iv) gi ( x) 0, i 1,..., m.
e x1 x2 2x
f ( x ) x x , g ( x ) 1 ,
e
1 2
2 x2
e x1 x2 2 x1 0
(i) x1 x2 2 x 0
e 2
(iii) 0
e x1 x2 2 x1 0
e x1 x2 2 x2 0
27
odakle sledi 0 i x1 x2 . Sledi i da je x1 0, x2 0 jer je zbog (iii)
0 . Zbog (ii) iz 0 sledi x12 x22 1 0 , tj. 2 x12 1 , pa je
2 2 e 2
x1 , x2 , . Jedini kandidat za lokalni minimum je
2 2 2
2 2
x* , .
2 2
min x1
x12 x22 0.
1 2 x1
Ovde je f ( x) , g ( x) . Na osnovu Primera 4 b) uslovi R1 i
0 2 x2
R2 ne važe.
1 * 0 0
0
0 0 ,
a takvo * ne postoji.
28
1 1 0
f ( x* ) , g1 ( x* ) , g 2 ( x* ) ,
0 0 1
0
g3 ( x* ) , g1 ( x* ) 1, g 2 ( x* ) 0, g 3 ( x* ) 0,
1
1 0
2* 3* 0
29
Teorema (dovoljni uslovi u konveksnom slučaju). Neka su funkcije
f , g1 ,..., g m konveksne. Ako u tački ( x* , * ) važe uslovi (i)-(iv) tada je x*
globalni minimum problema (NLP).
Dokaz: Imamo:
f ( x* )T ( x x* ) ( zbog (i) )
m
= ( i gi ( x )) ( x x ) =
* * T *
i 1
m
= ( )g ( x )
i 1
i
*
i
* T
( x x* ) ( zbog (iii) i konveksnosti funkcija gi )
m
( )( g ( x) g ( x ) ) =
i 1
i
*
i i
*
( zbog (ii) )
m
= ( ) g ( x ) 0
i 1
i
*
i ( zbog (iii) i gi ( x ) 0 )
m r
(i) f ( x ) gi ( x ) i hi ( x ) 0
* * * * *
i
i 1 i 1
(iii) * 0
31
min cT x max bT y
( P ) Ax b ( D) AT y c
x0 y0
2.
T
c1 x1 x1
cT x c c c x c x
1 n 1 1 n n
cn xn xn
3. Ako je
a11 a1n
A
am1 amm
i ako obeležimo sa a1 ,..., am vektore vrsta matrice A ,tj.
a11 am1
a1 ,..., am matrica A se može napisati u obliku
a1n amn
a1T
A
amT
4.
33
a11 a1n x1 a11 x1 a1n xn a1 x
T
Ax
am1 amn xn am1 x1 amn xn am x
T
5.
a11 am1
AT a a
1 m
a1n amn
6.
a11 am1 1
AT
a1n amn m
a111 am1m
a a
1 1 m m
a1n 1 amnm
Primer 1.
1 2 1 3 1 2 x1 x1 2 x2 a1T x
A , a1 2 , a2 4 , Ax 3 4 x 3 x 4 x T ,
3 4 2 1 2 a2 x
1 3 1
AT 1a1 2a2
2 4 2
34
Ekvivalentan zapis (P):
f ( x ) c T x f ( x ) c
gi ( x) bi aiT x
m n
(i) c ( ai ) i (ei ) 0
* *
i
i 1 i 1
(iii) * 0, * 0
(iv) x* X .
35
a) Dopustivost:
m n
(i) c a i ei ( jer je i*ei 0 zbog (iii) )
* *
i i
i 1 i 1
m
a
i 1
*
i i c (zbog činjenice 6. )
A * c .
T
b) Optimalnost:
m n
c x a x i*eiT x* ( zbog (ii) )
T * * T
i i
*
i 1 i 1
m
i*bi bT *
i 1
0 x X
q ( x)
x X
min F ( x) f ( x) q ( x)
(BO)
x Rn
(i) qk ( x) 0, x X
(ii) qk ( x) 0, x X
(iii) qk 1 ( x) qk ( x ), x X
(iv) qk ( x) , k , x X
min Fk ( x) f ( x) qk ( x)
(BO k )
x Rn
38
Napomena 2. Ako za neko k važi x k X tada je x k rešenje problema
(NLP), tj. x* x k .
Korak 1: k 1.
i 1
i 1 i 1
39
min x 2 6 x
x 2.
Lako se može videti da je rešenje x* 2 . Potražimo to rešenje metodom
spoljašnjih kaznenih funkcija. Neka je qk ( x) tk max{0, x 2}2 , i neka
tk , k . Tada je
Fk ( x) x 2 6 x tk max{0, x 2}2 .
Fk ( x) x 2 6 x, Fk( x) 2 x 6 0 ,
Fk ( x) x 2 6 x tk ( x 2) 2 , Fk( x) 2 x 6 2tk ( x 2) 0 ,
4tk 6
odakle je x . Kako ovo rešenje zadovoljava uslov x 2 ,
2tk 2
4tk 6
usvajamo ga, odnosno x k
.
2tk 2
6
4
tk imamo lim x k lim tk
S obzirom da je lim 2.
k k k 2
2
tk
40
O
Neka je sa X označena unutrašnjost dopustivog skupa X (oko svake
O O
tačke u X postoji sferna okolina koja je čitava sadržana u X ), a sa X
O O
njegova granica (X X \ X ) . Niz funkcija qk ( x) : X R, k 1,2,... je
niz unutrašnjih kaznenih funkcija za problem (NLP) ako važi
O
(i) | qk 1 ( x) | | qk ( x) |, x X
O
(ii) qk ( x ) 0, k , x X
O
(iii) qk ( x j ) , j , za svaki niz {x j } X takav da
x j xˆ X , j .
41
min Fk ( x) f ( x) qk ( x)
(P k ) O
x X
Korak 1: k 1
42
min x 2 6 x
x 2.
1
Uzmimo sada qk ( x) ln(2 x) . Biće
tk
1 O
Fk ( x) x 6 x ln(2 x), X ( , 2) . Ponovo zadatak rešavamo
2
tk
analitičkim putem:
1
Fk( x) 2 x 6 0.
tk (2 x)
odakle je
O
S obzirom da je x1 2, x1 X pa ga odbacujemo i imamo x k x2 , tj.
8
10 4
tk .
x
k
2, k
4
43
5.1. BEZUSLOVNA OPTIMIZACIJA
Problem:
min f ( x)
(BO)
x Rn
x k 1 x k k s k , k 0,1,...
xk k x k 1 x*
44
Ideja: Koračaj istim korakom duž koordinatnih pravaca dok ima napretka.
Zatim smanji korak.
Algoritam 1 (Hooke-Jeeves).
Primer 1. f ( x) x 2 , 0 2.5, x 0 1, e1 1
k 0: f ( x 0 0e1 ) f (1 2.5) 3.52 f (1)
f ( x 0 0e1 ) f (1 2.5) (1.5) 2 f (1)
0 1.25
f (1 1.25) (2.25) 2 f (1)
f (1 1.25) (0.25) 2 f (1)
x1 0.25, 1 1.25, k 1, itd.
45
Ideja: funkcija najbrže opada u pravcu antigradijenta
f f
f T s0 || f || cos minimalna vrednost dobija se za
s s
s f ( x ) .
k k
Algoritam 2 (Koši).
Korak 0: Izabrati x 0 R n , 0, k 0 .
46
Imamo da je f ( x) (4 x1 2 x2 12, 2 x2 2 x1 8)
k 0:
544 2 208 ,
0 je rešenje problema
c) Njutnova metoda
47
Ideja:
1
f ( x) f ( x k ) f ( x k )T ( x x k ) ( x x k )T 2 f ( x k )( x x k ) Qk ( x)
2
Qk ( x) f ( x k ) 2 f ( x k )( x x k ) 0
2 f ( x k )( x x k ) f ( x k ) x k 1 x k ( 2 f ( x k )) 1 f ( x k )
s k ( 2 f ( x k )) 1 f ( x k )
Algoritam 3 (Njutn).
Korak 0: Izabrati x 0 R n , 0, k 0 .
48
f ( x) (4 x1 2 x2 12, 2 x2 2 x1 8) .
4 2 1 1/ 2 1/ 2
2 f ( x) , ( 2
f ( x )) 1/ 2 1 .
2 2
1/ 2 1/ 2 12 2
s 0 2 f ( x0 ) 1 f ( x0 ) ,
1/ 2 1 8 2
x 0 s 0 (2 , 2 ) ,
0 je rešenje problema
Mnoštvo metoda:
49
- ograničenja linearne jednačine (metoda zamene)
- ograničenja linearne nejednačine
- funkcija cilja kvadratna, ograničenja linearna (kvadratno
programiranje)
- ograničenja nelinearne jednačine i/ili nejednačine
Problem:
50
1 T
min f ( x) x Qx cT x
(QP) 2
Ax b, x 0
1 6 x1 1 3 x1
( x1 6 x1 x2 3x2 [ x1 x2 ]
2 2
x [ x x ]
1 2 x )
0 3 2 3 3 2
2. f ( x) Qx c, 2 f ( x) Q .
51
Ekvivalentan zapis QP:
1 T
min f ( x) x Qx cT x
2
gi ( x) aiT x bi 0, i 1,..., m
hi ( x) xi 0, i 1,..., n.
Kun-Takerovi uslovi:
(i)
m n m n
f ( x) igi ( x) ihi ( x) 0 Qx c i ai i (ei ) 0
i 1 i 1 i 1 i 1
Qx c AT 0
(ii)
i gi ( x) 0, i 1,..., m i (aiT x bi ) 0, i 1,..., m
i hi ( x) 0, i 1,..., n i xi 0, i 1,..., n
(iii) 0, 0
(iv)
aiT x bi 0, i 1,..., m aiT x bi yi 0, i 1,..., m Ax y b
xi 0, i 1,..., n x 0, y 0 x 0, y 0
i xi 0 T x 0 (jer je i 0, xi 0, i 1,..., n )
Ax y b
Qx AT c
T y 0, T x 0
52
0, 0, x 0, y 0
Nove oznake:
O A b y
M T , q , w , z
A Q c
x
w M z q
y 0 A b
AT Q x c
y 0 tj. y T T x 0
T T
x
y 0, 0, 0, x 0
w Mz q
(LCP) wT z 0
w 0, z 0 .
W MZ z0e q
W Z z0
I M e q
55
w1 w2 w3 w4 z1 z2 z3 z 4 z0
1 0 4 / 3 1/ 3 10 / 3 0 14 / 3 0 0 11/ 3
0 1 2 1 4 2 4 0 0 4
0 0 1/ 3 1/ 3 1/ 3 1 2 / 3 1 0 1/ 3
0 0 2 / 3 1/ 3 8/ 3 2 1/ 3 0 1 4 / 3
w1 w2 w3 w4 z1 z2 z3 z 4 z 0
3/14 0 2 / 7 1/14 5/ 7 0 1 0 0 11/14
6 / 7 1 6 / 7 5/ 7 8/ 7 2 0 0 0 6 / 7
1/ 7 0 1/ 7 2 / 7 1/ 7 1 0 1 0 6/7
1/14 0 4 / 7 5/14 17 / 7 2 0 0 1 15/14
11/14 6 / 7 6 / 7 15/14 15
min , , , pivot je u preseku vrste 4 i
5/ 7 8 / 7 1/ 7 17 / 7 36
kolone z1 . Nova matrica je
56
w1 w2 w3 w4 z1 z2 z3 z 4 z0
4 /17 0 2 /17 3/17 0 10 /17 1 0 5 /17 8 /17
14 /17 1 10 /17 15 /17 0 52 /17 0 0 8 /17 6 /17
5 / 34 0 3/17 8 / 34 0 15/17 0 1 1/17 27 / 34
1/ 34 0 4 /17 5/ 34 1 14 /17 0 0 7 /17 15 / 34
U bazu je ušla kolona z1 , iz baze je izašla kolona z0 i postupak se
zaustavlja.
Primalni problem:
57
min cT x
(P) Ax b
x0
n
T , A [aij ]mn .
m
m
n n(n 1) (n m 1) n
Važi ocena:
m m(m 1)1 m
m
n n
Ako je, npr. n 1000, m 500, 2500 .
m m
58
Dualni problem:
max bT y
(D) AT y c
o
Y { y R m | AT y c}
1 m m
qk ( y ) ln(ci Ai y ) k ln(ci AiT y )
T
tk i 1 i 1
Poredjenja sa simpleksom:
Simpleks Unutrašnje
metode
Problem m n br. vreme br. vreme
iteracija (sec) iteracija (sec)
1 5831 7689 16041 664 41 132
2 2030 4883 11578 1459 42 621
3 6507 13610 27257 2017 30 133
4 3352 16298 8938 309 44 69
5 8335 21200 104687 12417 41 418
6 43387 106908 19935 7430 56 632
7 18800 38540 95857 19889 64 3688
8. CELOBROJNO PROGRAMIRANJE
Problem:
60
min cT x
(CP) Ax b
x 0, x Z n
Karakteristike:
min cT x
Ax b
x {0,1}n
Primer 1:
61
max x y
2003 x 2001 y 0
4004 x 4002 y 2001
x 0, y 0, x, y Z
max c1 x1 cn xn
a1 x1 an xn b
xi 0, xi Z , i 1,.., n
62
Nijedna od navedenih ideja nema praktični značaj. Metode celobrojnog
programiranja se uglavnom zasnivaju na inteligentnoj pretrazi dopustivog
skupa (za razliku od totalne pretrage, koja je nemoguća). Najvažnije klase
metoda:
a) metode odsecanja
b) metode implicitne enumeracije
c) metode grananja i ograničavanja
d) metode grananja i odsecanja
e) heuristike (ne garantuju nalaženje optimalnog rešenja)
Celobrojni poliedri.
x
i 1
ij p j , j 1,..., n
n
x
j 1
ij qi , i 1,..., m
63
Problem trgovačkog putnika
Neka je dato n koje treba da obiđe trgovački putnik tako da troškovi puta
budu minimalni. Data je matrica C cij nn , gde cij označava trošak puta
od grada i do grada j. Pretpostavićemo da je problem zatvoren (putnik
mora da se vrati u grad iz koga je pošao) i simetričan (cena puta od grada
i do grada j je ista u oba smera). Takođe ćemo pretpostaviti da su svaka
dva grada povezana putem. Ovo je najpoznatija varijanta problema.
Primer 3. n=4
Formulacija 1.
64
n
min c x
i 1 j i
ij ij
(1.1) x x
j i
ji
j i
ij 2, i 1,..., n
(1.2) x
iS jS
ij S 1, S X , S , S X
i j
xij 0,1 , 1 i j n
Primer 4. n 6 .
Ograničenja (1.1):
x12 x13 x14 x15 x16 2
x12 x23 x24 x25 x26 2
x13 x23 x34 x35 x36 2
x14 x24 x34 x45 x46 2
x15 x25 x35 x45 x56 2
x16 x26 x36 x46 x56 2
65
U našem slučaju je dovoljno razmatrati tročlane podsupove skupa {1,...,6},
kojih ima 20. Npr. skupu S = {1,4,5} odgovara ograničenje:
Metodološki postupak
Formulacija 2.
66
Celobrojni model M2:
n
min c x
i 1 j i
ij ij
n
(2.1) x
i 1
ij 1, j 1,..., n
i j
n
(2.2) xj 1
ij 1, i 1,..., n
ji
(2.3) ui u j nxij n 1, i j , i, j 2,..., n
xij 0,1 , i j , i, j 1,..., n
u j 0, j 1,..., n
67
u2 u3 6 x23 5
u3 u6 6 x36 5
u6 u2 6 x62 5
68