💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

Определение экстремума функции методом скорейшего спуска

Теоретические положения

Рассмотренные в предыдущих лабораторных работах задачи относятся к задачам линейного программирования. Однако в реальных экономических моделях такие показатели, как прибыль, себестоимость, капитальные затраты на производство и др., в действительности нелинейно зависят от объема производства, расхода ресурсов и т.п. В этом случае возникает задача нелинейного программирования.

Допустим, что среди ограничений нет неравенств, не обязательны условия неотрицательности, переменные не являются дискретными, m < n, а функции непрерывны и имеют частные производные по крайней мере второго порядка. В этом случае задачу оптимизации можно сформулировать так: найти переменные x , x , …, x , удовлетворяющие системе уравнений

(x , x , …, x ) = b , i = 1, 2, …, m

и обращающие в максимум (минимум) целевую функцию

z = f(x , x , …, x ).

Функция z может иметь произвольный нелинейный вид.

Для решения сформулированной задачи могут быть использованы классические методы оптимизации. Для этого следует четко представлять различие между локальным экстремумом функции, глобальным экстремумом и условным экстремумом.

Будем полагать, что функция z = f(x , x , …, x ) = f(X) дважды дифференцируема в точке X = (x , x , …, x ) и некоторой ее окрестности. Если для всех точек Х этой окрестности f(X ) f(X) или f(X ) f(X), то говорят, что функция f(X) имеет экстремум в X (соответственно максимум или минимум). Точка X , в которой все первые частные производные равны 0, называется стационарной точкой.

Необходимое условие экстремума. Если в точке X функция z = f(X) имеет экстремум, то первые частные производные функции в этой точке равны нулю:

f (X ) = 0, i = 1, 2, …, n.

Для получения достаточных условий следует определить в стационарной точке знак дифференциала второго порядка

d f(X) = (X) x x .

Достаточные условия экстремума функции двух переменных. Найдем значения частных производных второго порядка в стационарной точке X (x , x ):

a = (X ); a = (X ); a = (X ); a = (X ).

Составим определитель из a для i, j = 1, 2:

= a a – a a .

Достаточные условия экстремума имеют вид:

a) если > 0 и a < 0, то в точке X функция имеет максимум; если > 0 и a > 0, то в точке X – минимум;

б) если < 0, то минимума нет;

в) если = 0, то вопрос об экстремуме остается открытым.

Приведенная схема позволяет определить локальный экстремум функции двух переменных.

Функция z = f(x , x , …, x ) = f(X) имеет в точке (X ) заданной области D глобальный максимум или глобальный минимум, если неравенство f(X) f(X ) или f(X) f(X ) соответственно выполняется для любой точки X D.

Если область D замкнута и ограничена, то дифференцируемая функция z = f(X) достигает в этой области своих наибольшего и наименьшего значений или в стационарной точке, или в граничной точке области (теорема Вейерштрасса).

Условный экстремум. Пусть необходимо найти экстремум функции z = f(x , x , …, x ) при условии, что переменные x , x , …, x удовлетворяют уравнениям

(x , x , …, x ) =0, i = 1, 2, …, m, m < n.

Эти уравнения называются уравнениями связей.

Говорят, что в точке X (x , x , …, x ), удовлетворяющей уравнениям связи, функция z = f(X) имеет условный максимум (минимум), если неравенство f(X ) f(X) (f(X ) f(X)) имеет место для всех точек Х, координаты которых удовлетворяют уравнениям связи.

Градиентом F функции F(X) = F(x , x , …, x ) называется вектор, проекциями которого на координатные оси служат соответствующие частные производные, т.е.

F = .

В каждой точке Х направление градиента является направлением наибольшего возрастания функции, а модуль градиента равен наибольшей скорости возрастания функции в этой точке.

Функция F(X) = F(x , x , …, x ), определенная на выпуклом множестве М n-мерного пространства, называется выпуклой на этом множестве, если

F( X + (1 – )X ) F(X ) + (1 – )F(X )

для любых точек X , X М и любого числа .

Для определения выпуклости конкретной конкретной функции, часто используют критерий Сильвестра. Функция является выпуклой тогда и только тогда, когда неотрицательны все главные миноры матрицы вторых частных производных, т.е. определители

= , a = , k = 1, 2…, n.

Задача выпуклого программирования состоит в отыскании такого решения системы ограничений, при котором выпуклая целевая функция достигает минимального значения, или вогнутая функция достигает максимального значения.

Решение задач выпуклого программирования методом скорейшего спуска.

Схема решения задач методами спуска состоит в построении последовательности

X , X , …, X , …

решений системы ограничений задачи по следующему принципу: в качестве X выбирается произвольная точка области решений, а каждая последующая точка получается из предыдущей по формуле:

X = X + l,

где l = (l , …, l ) – некоторое направление (т.е. вектор), а – число. При этом направление l и«длина шага» выбирается так, чтобы обеспечить сходимость последовательности к оптимальному решению Х . Так как направление градиента Z целевой функции является направлением ее наискорейшего роста, то при отыскании максимума вогнутой функции (минимума выпуклой) в качестве l берется Z и формула принимает вид:

X = X + ∙ Z(Х ), если ищется Z ,

X = X – ∙ Z(Х ), если ищется Z .

Если величина выбирается так, чтобы приращение функции Z при перемещении из точки X в точку X было наибольшим (при отыскании Z ) или наименьшим (при отыскании Z ), то градиентный метод называется методом скорейшего спуска. Можно доказать, что требования скорейшего спуска выполняются при соблюдении условия:

Z(Х )∙ Z(Х ) = 0.

Произведение в этом выражении означает скалярное произведение векторов градиентов в соседних точках.

Пример

Найти методом скорейшего спуска с точностью до 0, 01 экстремум функции Z = 2x – x x + x – x – x + 1 при ограничениях x + x 4, x 0, x 0.