TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 11. harjoitus - ratkaisut

Samankaltaiset tiedostot
b 1. b m ) + ( 2b Ax) + (b b)

Matematiikan tukikurssi: kurssikerta 10

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

Matematiikan tukikurssi

Este- ja sakkofunktiomenetelmät

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Derivointiesimerkkejä 2

Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely)

. 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

(a) Potentiaali ja virtafunktiot saadaan suoraan summaamalla lähteen ja pyörteen funktiot. Potentiaalifunktioksi

Matematiikan tukikurssi: kurssikerta 12

Keskeiset tulokset heikko duaalisuus (duaaliaukko, 6.2.1) vahva duaalisuus (6.2.4) satulapisteominaisuus (6.2.5) yhteys KKT ehtoihin (6.2.

Harjoitus 7: vastausvihjeet

Tykillä ampuminen 2. missä b on ilmanvastuskerroin, v skalaarinen nopeus, nopeus vektorina ja nopeuden suuntainen yksikkövektori.

Mapu I Laskuharjoitus 2, tehtävä 1. Derivoidaan molemmat puolet, aloitetaan vasemmasta puolesta. Muistetaan että:

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

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

Differentiaalilaskenta 1.

Matematiikan tukikurssi

Matematiikan tukikurssi

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Demo 1: Simplex-menetelmä

Derivaatan sovellukset (ääriarvotehtävät ym.)

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

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

Matematiikan tukikurssi

L a = L l. rv a = Rv l v l = r R v a = v a 1, 5

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

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

Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

3 TOISEN ASTEEN POLYNOMIFUNKTIO

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä

Lineaarinen optimointitehtävä

πx) luvuille n N. Valitaan lisäksi x = m,

f (t) + t 2 f(t) = 0 f (t) f(t) = t2 d dt ln f(t) = t2, josta viimeisestä yhtälöstä saadaan integroimalla puolittain

Mat Dynaaminen optimointi, mallivastaukset, kierros 5

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Kvanttifysiikan perusteet 2017

Luento 8: Epälineaarinen optimointi

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016

Numeeriset menetelmät

Luento 9: Yhtälörajoitukset optimoinnissa

Optimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai

Sovellettu todennäköisyyslaskenta B

x + 1 πx + 2y = 6 2y = 6 x 1 2 πx y = x 1 4 πx Ikkunan pinta-ala on suorakulmion ja puoliympyrän pinta-alojen summa, eli

Matematiikan tukikurssi

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a)

Matematiikan tukikurssi

Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät

Malliratkaisut Demot

2.2 Jatkuva funktio Funktio f(x) jatkuva pisteessä x 0, jos f on määritelty. Esim. sin x. = lim. lim. (1 x 2 /6 + O(x 4 )) = 1.

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut

TÄSSÄ ON ESIMERKKEJÄ SÄHKÖ- JA MAGNETISMIOPIN KEVÄÄN 2017 MATERIAALISTA

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA

TEHTÄVIEN RATKAISUT. b) 105-kiloisella puolustajalla on yhtä suuri liikemäärä, jos nopeus on kgm 712 p m 105 kg

d+tv 1 S l x 2 x 1 x 3 MEI Mallintamisen perusteet Harjoitus 6, kevät 2015 Tuomas Kovanen

Fysiikan perusteet. Voimat ja kiihtyvyys. Antti Haarto

Jatkuva-aikaisten Markov-prosessien aikakehitys

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

2 Osittaisderivaattojen sovelluksia

lnx x 1 = = lim x = = lim lim 10 = x x0

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

KJR-C2002 Kontinuumimekaniikan perusteet, tentti

E p1 = 1 e 2. e 2. E p2 = 1. Vuorovaikutusenergian kolme ensimmäistä termiä on siis

Mekaniikan jatkokurssi Fys102

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

Esimerkki 1 Ratkaise differentiaaliyhtälö

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016

Diskreettiaikainen dynaaminen optimointi

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

Sarjoja ja analyyttisiä funktioita

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

Ensimmäisen asteen polynomifunktio

Mapu 1. Laskuharjoitus 3, Tehtävä 1

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 7: Pintaintegraali ja vuointegraali

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

Harjoitus 5 ( )

Luvun 5 laskuesimerkit

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 10: Napa-, sylinteri- ja pallokoordinaatistot. Pintaintegraali.

infoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1

Differentiaali- ja integraalilaskenta 1 Ratkaisut 3. viikolle /

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

Vektorit, suorat ja tasot

Vanhoja koetehtäviä. Analyyttinen geometria 2016

Mat Lineaarinen ohjelmointi

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Kertaus. Integraalifunktio ja integrointi. 2( x 1) 1 2x. 3( x 1) 1 (3x 1) KERTAUSTEHTÄVIÄ. K1. a)

läheisyydessä. Piirrä funktio f ja nämä approksimaatiot samaan kuvaan. Näyttääkö järkeenkäyvältä?

Ei-inertiaaliset koordinaatistot

Transkriptio:

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-239 Optimointioppi Kimmo Berg harjoitus - ratkaisut Logaritmiseksi estefunktiotehtäväksi saaaan min F() = µ(ln 2 + ln( + )) Etsitään lokaalit minimit erivaatan nollakohan avulla: ( 2 F () = µ + ) = 2 3µ 2µ + ( + ) Minimit löytyvät siis toisen asteen yhtälön nollakohista, jotka ovat ˆ = 2 + 3µ 2 2 + 2µ + 9µ2 Toinen juurista (-) on aina ja välissä, ja toinen juurista (+) on aina :n yläpuolella (ks kuva) Estefunktiotehtävä voi seurata juuri jälkimmäistä (+) lokaalia minimiä, jolloin lähestytään pistettä =, kun µ + 45 (log( 2 )+log(+)), µ= (log( 2 )+log(+)), µ= 4 35 3 25 2 5 5 5 2 3 4 5 2 8 6 4 2 2 4 6 8 5 5 2 min se c + y (P)

Muunnetaan epäyhtälörajoitettu primaali (P) estefunktion avulla yhtälörajoitetuksi Logaritminen estefuntiotehtävä (BP) on n min c + y µ ln( j ) se j= (BP) Kirjoitetaan estefunktiotehtävän (BP) KKT-ehot annetulla sakkoparametrilla µ: A v + µx e = c A, 2v = v rajoittamaton, ( ) missä X = iag{,, n } ja e = (,, ) Merkitään ja otetaan apumuuttjaksi u = µx e, ja merkitään U = iag{u,,u n }, jolloin KKT-ehot voiaan kirjoittaa: A v + u = c A 2v = XUe = µe, u v rajoittamaton Merkitään KKT-ehtojen neljää ensimmäistä yhtälöä funktiolla F(, y, u, v) = Primaali-Duaali -sisäpistealgoritmi ratkoo iteratiivisesti F:n määräämää yhtälöryhmää siten että k >, u k > ja µ k > Sen sijaan että F ratkaistaisiin tarkasti tietyllä sakkoparametrin arvolla, yleensä käytetään Newtonin menetelmää muuttujien (, y, u, v) päivittämiseksi Newton askel sakkoparametrilla ˆµ määräytyy ensimmäisen kertaluvun approksimaatiosta F:lle pisteessä w = (, y, u, v): F(w) + F(w)(w w) = Merkitään suuntaa w = w w, jolloin ehto voiaan kirjoittaa F(w) w = F(w): A A 2 (A + A 2 y b) I A y A 2 u = (A v + u c) (A 2 v ) U X v (XUe ˆµe) Näistä yhtälöistä voiaan ratkaista w ja ottaa yksikköaskel kyseiseen suuntaan Tällöin kyseessä on ei-käypä Primaal-Duaali -sisäpistemenetelmä (infeasible) Jos taas ennen iterointia ratkaistaa käypä primaali-uaali -pari, niin iteroitaessa ratkaisu pysyy primaali-uaali käypänä (!) ja Newton askeleen suunnan määräävä yhtälöryhmä yksinkertaistuu muotoon (p- käypyyestä seuraa että, A v + u = c, A 2v = ) A A 2 I A A 2 U X 2 y u v = (XUe ˆµe)

Nyt suunta voiaan eksplisiittisesti ratkaista (toisesta yhtälöstä ratkaistaan u v :n avulla ja u sijoitetaan viimeiseen; kolmannen yhtälön avulla v :stä päästään eroon ja sitten ratkaistaan ; muut suunnat saaaan kirjoitettua :n avulla): y u = (A 2 (XA ) U) (ˆµe XUe) = A 2 A = X U + X (ˆµe XUe) v = (A ) u Iteroitaessa µ k (eli uality gap menee nollaan, joten lopussa pääytään optimiin) Yleensä valitaan µ k = uσ, missä σ on valittava parametri Ei-negatiivisuuen k säilyttämiseksi saatuun suuntaan voiaan suorittaa viivahaku se (, u) > Tosin, negatiivisuuesta ei ole muuta haittaa kuin se, että optimia saatetaan lähetyä ei käyvältä puolelta 3 Ongelmalle on haettu ratkaisua jo vuonna 685, kun Newton väitti että pallon resistanssi nesteessä on puolet pienempi kuin yhtä suuren säteen omaavan sylinterin, jos nestevirtaus on akselin suuntaista Tutkitaanpa vapaista hiukkasista koostuvaa harvaa nestettä, jossa hiukkaset eivät törmäile toistensa kanssa vaan vuorovaikuttavat kappaleen kanssa täyellisen elastisen törmäyksen kautta Oletetaan että kitkaja turbulenssiefektit voiaan unohtaa Tutkitaan pyörähyssymmetristä kappaletta, jolloin voiaan tutkia kappaleen pintaa yhessä ulottuvuuessa Pinnan määrittää funktio u() Olkoon virtaus :ää vastaan kohtisuorassa ylhäältä alas, jolloin K:n suuruinen nestevirtaus aiheuttaa pisteeseen (, u()) voiman y = K sin θ = (+ u 2 )) /2, mikä vastaa siis nestevirtauksen pintaa vastaan kohtisuoraa komponenttia, ks kuva K θ α y Koska kyseessä on kuitenkin pyörähyssymmetrinen kappale, niin tästä normaalikomponentista horisontaalinen komponentti kumoutuu pois, sillä toiselta puolelta huippua tulee samansuuruinen mutta vastakkaissuuntainen voima Virtauksen suuntainen komponentti jää kuitenkin resistanssiksi, joka on siis = y cos α = y sin θ = K sin 2 θ Kappaleen koko resistanssiksi saaaan R(u) = Ω K + u() 2 Optimointimallia ajatellen ongelma tulee iskretoia Symmetriasyistä riittää tarkastella ongelmaa vain säteen osalta, sillä muotohan on sama raketin huipun molemmilla puolilla Olkoon annettuna raketin korkeus h ja säe r Diskretoiaan säe 3

n tasaväliin, eli iskretointiväli = r/n Valitaan päätösmuuttujiksi pinnan korkeuen muutokset eellisestä pisteestä k, k =,, n, eli raketin reunan korkeus on tasolla nolla, ensimmäisen pisteen korkeus h =, toinen piste on korkeuella h 2 = + 2,, ja viimeinen piste, eli raketin huippu, on korkeuella n k= k = h Approksimoiaan syntyvää painetta kullakin välillä iskretointipisteeseen kohistuvalla paineella; kirjoitetaan sini toiseen termi iskreetissä tapauksessa: 2 l k = 2 + 2 k Paine aiheutuu kuitenkin pyörähyssymmetrisesti koko rakettiin A(k) = (r (k ) ) 2 (r k ) 2 Syntyvä paine on siis p(k) = l(k)a(k) ja koko raketille p = n k= p(k) Tehtävä on siis min k p se + + n = h Rajoitus voiaan esittää muoossa A = b ja lisäksi oletetaan että muutokset ovat ei-negatiivisia, jolloin muutoksille saaaan alaraja nolla k A(k) 4 Raketin liike perustuu hiukkassuihkuun, joka kohistuu vastakkaiseen suuntaan raketin menosuuntaa vastaan Raketilla on siis alussa jonkin verran polttoainetta ja tehtävänä on löytää rakettia mahollisimman kauas vievä strategia siten että huomioiaan polttoaineen määrä, ilmanvastus ja gravitaatio Oletetaan lisäksi että raketti suuntautuu koko ajan gravitaation suuntaisesti, eli suoraan poispäin maapallolta Valitaan päätösmuuttujiksi työntövoimat n:llä ajan hetkellä, T n, ja loppuaika t f Aikavälit valitaan tasaisesti nollasta loppuaikaan, eli ajan iskretointiväli on = t f /n Käytetään seuraavia parametreja: gravitaatiovakio g (oletetaan vakioksi korkeuen suhteen, voitaisiin laskea myös tarkemmin), työntövoiman skaalaus c, ilmanvastusparametri σ, alkukorkeus h ja minimiloppumassa mm (raketin massa ilman polttoainetta) Merkitään lisäksi ajan hetkellä k rakettiin kohistuvaa voimaa F(k):lla, nopeutta v(k):lla, korkeutta h(k):lla ja massaa m(k):lla Raketin massan muutos voiaan approksimoia työntövoiman avulla Rakettiin kohistuva voima taasen on ṁ(k) = T(k)/c F(k) = T(k) sign(v(k))σv(k) 2 e h(k)/h gm(k) 4

Kaavassa on huomioitu, että positiivinen nopeus osoittaa maapallolta poispäin ja että ilmanvastus pienenee korkeuen lisääntyessä (pienempi paine, vähemmän hiukkasia ja pienempi vastus) Raketin rata voiaan ratkaista alusta loppuun työntövoimien avulla, eli saaaan liikeyhtälöt: h(k + ) = h(k) + v(k) + F(k)2 2m(k) v(k + ) = h(k+) h(k) Suihkutuksen lopuksi tulee vielä huomioia loppuliuku, eli raketin liikettä lasketaan eteenpäin kunnes nopeus kääntyy takaisin maapalloa kohti Kohefunktioksi tulee siis loppukorkeuen h f maksimointi Epäyhtälörajoitus on loppumassa m(n) mm 5 Ongelma voiaan formuloia muotoon: min f() = C st g i () = i, i =, 2, 3 g 4 () = 8 m m 2 2 m 3 3 a b = + 2 + 3 =, missä i on osuus rojalteista sijoituskohteeseen i (kulta, osakkeet, obligaatiot) Data koostuu ootetuista tuotoista m i ja kovarianssimatriisista C Tehtävä on konveksi kvaraattinen tehtävä sillä kohefunktio on neliöllinen ja konveksi (kovarianssimatriisi on aina positiivisesti efiniitti), ja rajoitusehot affiineja Malli löytyy tieostosta portfoliomo ja sen voi ratkoa esim netin (NEOSin kautta) MINOS-solverilla MINOS antaa ratkaisuksi = (4 43 43), kohefunktion arvo eli riski on 32, ja Lagrangen kertoimet ( 496 53) (MINOSin rajoitusten arvot kerrottuna miinus yhellä) Oletetaan nyt että sijoittaja toivoisikin 85%:n ootettua tuottoa Optimaalinen riski voiaan nyt approksimoia Lagrangen kertoimien avulla Tämä muutos tarkoittaa rajoitusehon g 4 oikean puolen muutosta = 5, jolloin Lagrangen kertoimen herkkyystulkinta antaa kohefunktiolle approksimatiivisen muutoksen 496 5 = 248 Ratkomalla tehtävä uuestaan, saaaan tarkaksi arvoksi muutokselle 33475 Tässä tapauksessa approksimaatio on riittävän hyvä Tälle tehtävälle optimi ratkaisu on = (7 55 38), kohefunktion arvo eli riski on 655, ja Lagrangen kertoimet ( 758 8) Oletetaan nyt että sijoittaja toivoisikin 95%:n ootettua tuottoa Rajoitusehon g 4 oikean puolen muutos on nyt = 5, jolloin kohefunktion approksimatiivinen muutos on 496 5 = 744 Tarkka arvo on 3455 Tässä tapauksessa muutos on jo niin suuri ettei lokaali approksimaatio kerro koko totuutta 5