Yhden muuttujan funktion minimointi

Samankaltaiset tiedostot
Luku 4. Derivoituvien funktioiden ominaisuuksia.

Matemaattisen analyysin tukikurssi

Numeeriset menetelmät

Taustatietoja ja perusteita

Maksimit ja minimit 1/5 Sisältö ESITIEDOT: reaalifunktiot, derivaatta

Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja

Numeeriset menetelmät

Matematiikan peruskurssi (MATY020) Harjoitus 7 to

Derivaatan sovellukset (ääriarvotehtävät ym.)

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Matematiikan tukikurssi

jakokulmassa x 4 x 8 x 3x

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Numeeriset menetelmät

Numeeriset menetelmät

VASTAA YHTEENSÄ KUUTEEN TEHTÄVÄÄN

Ratkaisuehdotus 2. kurssikokeeseen

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018

Matematiikan tukikurssi

Johdatus tekoälyn taustalla olevaan matematiikkaan

Matematiikan tukikurssi

Ratkaisuehdotus 2. kurssikoe

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Funktion suurin ja pienin arvo DERIVAATTA,

Numeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Numeeriset menetelmät

Matriisit ja optimointi kauppatieteilijöille

Matematiikan tukikurssi

Matematiikan tukikurssi

Numeerinen integrointi

13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle

MS-A0102 Differentiaali- ja integraalilaskenta 1

x j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

MATP153 Approbatur 1B Harjoitus 6 Maanantai

n. asteen polynomilla on enintään n nollakohtaa ja enintään n - 1 ääriarvokohtaa.

Harjoitus 7 -- Ratkaisut

Analyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1.

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Derivaatta: funktion approksimaatio lineaarikuvauksella.

Luento 8: Epälineaarinen optimointi

Määrätty integraali. Markus Helén. Mäntän lukio

Matematiikan taito 9, RATKAISUT. , jolloin. . Vast. ]0,2] arvot.

Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo.

Osakesalkun optimointi

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

Viikon aiheet. Funktion lineaarinen approksimointi

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...

Matematiikka B1 - avoin yliopisto

Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43

Johdatus reaalifunktioihin P, 5op

Juuri 7 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty c) sin 50 = sin ( ) = sin 130 = 0,77

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30

x = π 3 + nπ, x + 1 f (x) = 2x (x + 1) x2 1 (x + 1) 2 = 2x2 + 2x x 2 = x2 + 2x f ( 3) = ( 3)2 + 2 ( 3) ( 3) = = 21 tosi

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

Numeerinen integrointi ja derivointi

1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot

Matematiikan tukikurssi

Matematiikan tukikurssi: kurssikerta 12

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.

2 Funktion derivaatta

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

Oletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on

Numeeriset Menetelmät

Numeeriset menetelmät

Luku 2. Jatkuvien funktioiden ominaisuuksia.

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ Merkitään f(x) =x 3 x. Laske a) f( 2), b) f (3) ja c) YLIOPPILASTUTKINTO- LAUTAKUNTA

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2

r > y x z x = z y + y x z y + y x = r y x + y x = r

Luento 8: Epälineaarinen optimointi

3 Derivoituvan funktion ominaisuuksia

Integrointi ja sovellukset

A = (a 2x) 2. f (x) = 12x 2 8ax + a 2 = 0 x = 8a ± 64a 2 48a x = a 6 tai x = a 2.

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle /

Selvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x

f(x) f(y) x y f f(x) f(y) (x) = lim

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

12. Hessen matriisi. Ääriarvoteoriaa

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2

Matematiikan tukikurssi

5 Differentiaalilaskentaa

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Tee kokeen yläreunaan pisteytysruudukko. Valitse kuusi tehtävää seuraavista kahdeksasta. Perustele vastauksesi!

Epälineaaristen yhtälöiden ratkaisumenetelmät

Johdantoa INTEGRAALILASKENTA, MAA9

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Kertaus. x x x. K1. a) b) x 5 x 6 = x 5 6 = x 1 = 1 x, x 0. K2. a) a a a a, a > 0

1 Rajoittamaton optimointi

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

Gradient Sampling-Algoritmi

Matematiikan tukikurssi

x 7 3 4x x 7 4x 3 ( 7 4)x 3 : ( 7 4), 7 4 1,35 < ln x + 1 = ln ln u 2 3u 4 = 0 (u 4)(u + 1) = 0 ei ratkaisua

Reaalilukuvälit, leikkaus ja unioni (1/2)

Matematiikan tukikurssi: kurssikerta 10

Transkriptio:

Yhden muuttujan funktion minimointi Aloitetaan yhden muuttujan tapauksesta Tarpeellinen myös useamman muuttujan tapauksessa Tehtävä on muotoa min kun f(x) x S R 1

Sallittu alue on muotoa S = [a, b] tai S = (a, b) S = [a, b) tai S = (a, b] S = (, b] tai S = (, b) S = [a, ) tai S = (a, ) S = R 2

Globaaliminimi: pienin lokaaleista minimeistä Optimiratkaisua ei välttämättä ole, jos - sallittu alue on avoin - sallittu alue on rajoittamaton Minimi voi sijaita - tarkasteluvälin sisäpisteessä x (f (x ) = 0) - pisteessä, jossa f ei ole differentioituva - tarkasteluvälin päätepisteessä (jos väli suljettu) 3

Lause 2.1 Olkoon f : R R jatkuvasti derivoituva. Jos pisteessä x R on funktion lokaali minimi, niin f (x ) = 0. Jos toisaalta pätee f (x ) = 0 ja lisäksi f (x ) > 0, niin kyseessä on minimipiste. Jos tarkasteluväli on [a, b] ja f (a) > 0, niin a lokaali minimipiste Jos f (b) < 0, niin b lokaali minimipiste Numeerisessa minimoinnissa ei aina etsitä derivaatan nollakohtaa suo- Huom. raan! 4

Numeerinen ratkaiseminen Hyödynnetään objektifunktion unimodaalisuutta f on unimodaalinen, jos on täsmälleen yksi piste x s.e. kaikille x 1, x 2 [a, b], x 1 < x 2, pätee jos x 2 < x, niin f(x 1 ) > f(x 2 ) ja jos x 1 > x, niin f(x 1 ) < f(x 2 ) 5

Etsitään ensin väli [a, b], jolla f on unimodaalinen Minimipisteen sisältämää väliä voidaan pienentää laskemalla funktion arvot kahdessa apupisteessä Valitaan apupisteet x 1 ja x 2 s.e. a x 1 x 2 b ja lasketaan f(x 1 ) ja f(x 2 ) (1) Jos f(x 1 ) < f(x 2 ), niin minimi kuuluu välille [a, x 2 ). (2) Jos f(x 1 ) > f(x 2 ), niin minimi kuuluu välille (x 1, b]. (3) Jos f(x 1 ) = f(x 2 ), niin minimi kuuluu välille (x 1, x 2 ). 6

a x1 x2 x* b 7

Menetelmät Yhdenmuuttujan funktion minimoinnin numeeriset menetelmät voidaan jakaa kahteen luokkaan (1) eliminointimenetelmät - perustuvat unimodaalisuuteen ja hakuvälin asteittaiseen pienentämiseen (2) interpolointimenetelmät - perustuvat unimodaalisuuteen ja objektifunktion approksimointiin polynomeilla 8

Unimodaalisen välin hakeminen Ennen varsinaista minimointia etsitään väli, jolla f on unimodaalinen Olkoon (A, B) väli, jolla funktiota halutaan tarkastella Unimodaalista väliä voidaan hakea esim. tasavälisellä tai askelittaisella haulla Saatua väliä voidaan kutsua myös epävarmuusväliksi 9

Tasavälinen haku Lasketaan f:n arvot P :ssä välin (A, B) pisteessä x i = A + i (B A), P + 1 i = 1,..., P Kun löydetään pisteet x j, x j+1 ja x j+2, joille f(x j ) > f(x j+1 ) < f(x j+2 ), niin välillä (x j, x j+2 ) on ainakin yksi minimi Saadut kaksi osaväliä voidaan vielä jakaa pienemmiksi 10

Haku askelittain Lähdetään A:sta tietyllä askelpituudella Askelpituutta voidaan muuttaa, jos funktion käyttäytyminen ei muutu Jos vähenevä funktio alkaa kasvaa on minimi ohitettu Peräännytään pienemmällä askelpituudella Tarkemmin kvadraattisen interpoloinnin yhteydessä 11

Eliminointimenetelmiä Oletetaan, että f on unimodaalinen välillä [a, b] Tasavälinen haku (myös eliminointimenetelmänä) Jatketaan jakamalla [x j, x j+2 ] tasaväleihin kunnes haluttu tarkkuus on saavutettu Yksinkertainen, mutta vaatii paljon laskentaa 12

a x 1 x 2 x 3 x 4 x 5 b 13

Numeerisessa minimoinnissa ei etsitä tarkkaa minimiratkaisua, vaan approksimaatiota, joka on riittävän lähellä tarkkaa minimiä Menetelmiä kontrolloidaan lopullisen tarkasteluvälin pituudella L Jos f unimodaalinen tarkasteluvälillä, niin äärellisellä askelmäärällä löydetään ratkaisu x, jolle x x L, missä x on tarkka ratkaisu Mitä nopeammin tarkasteluväli lyhenee sitä tehokkaampi menetelmä 14

Puolitusmenetelmä Jokaisella kierroksella tarvitaan vain kaksi uutta funktion arvon laskua Sijoitetaan uudet pisteet symmetrisesti välin keskipisteen (a + b)/2 ympärille, ε > 0 etäisyydelle Säästetään funktion arvojen laskemisessa verrattuna tasaväliseen hakuun 15

Agoritmi (1) Valitse vakio 2ε > 0, ja haluttu lopullinen tarkasteluvälin pituus L. Aseta kierroslaskuri h = 1. (2) Jos b h a h < L, lopeta. Minimipiste sijaitsee välillä [a h, b h ]. Muuten, laske uudet pisteet x h = ah + b h 2 ε ja y h = ah + b h 2 + ε. (3) Jos f(x h ) < f(y h ), aseta a h+1 = a h ja b h+1 = y h. Muuten aseta a h+1 = x h ja b h+1 = b h. Aseta h = h + 1 ja mene kohtaan (2). 16

Menetelmän tehokkuus Tarkasteluvälin pituus pienenee melkein puolella joka kierroksella Pituus h kierroksen jälkeen on 1 2 h(b a) + ε ( 1 1 2 h ) Haluttu tarkkuus: 2 h (b a) + 2ε(1 2 h ) L 2 h (b a 2ε) L 2ε hln2 ln(l 2ε) ln(b a 2ε) h ln ( ) L 2ε b a 2ε /ln2 h = L 2ε b a 2ε Funktion arvojen lasku: Joka kierroksella 2 eli h kierroksen jälkeen 2h 17

Esimerkki Minimoidaan funktiota f(x) = x 2 +2x välillä [ 3,5]. Lopullinen tarkasteluvälin pituus L = 0.3 ja 2ε = 0.001. Kierrosmäärä edellisestä kaavasta h = 5. a h b h x h y h f(x h ) f(y h ) 3.0000000 5.0000000 0.9995000 1.0005000 2.9980000 3.0020000 3.0000000 1.0005000 1.0000250 0.9992500 1.0000000 0.9999995 3.0000000 0.9992500 2.0001250 1.9991250 0.0002500 0.0017493 2.0001250 0.9992500 1.5001875 1.4991875 0.7498125 0.7508119 1.5001875 0.9992500 1.2502188 1.2492188 0.9373906 0.9378900 Minimipisteen estimaatti esim. ( 0.99925 1.2502188)/2 = 1.1247344 Funktion arvo f( 1.1247344) = 0.9844414 (todellinen f( 1) = 1) 18

35 x**2+2*x 30 25 20 15 10 5 0-5 -3-2 -1 0 1 2 3 4 5 19