Kursangebot | Operations Research 2 | Beispiel: Methode der zulässigen Richtungen (1. Iteration)

Operations Research 2

Beispiel: Methode der zulässigen Richtungen (1. Iteration)

Es folgt ein Anwendungsbeispiel zur Methode der zulässigen Richtungen für nichtlineare Optimierungsprobleme unter Berücksichtigung von Nebenbedingungen.

Gegeben sei das folgende nichtlineare Minimerungsproblem:

$f(x_1, x_2) = (x_1 - 2)^2 + (x_2 - 4)^2$    $\rightarrow$   min!

u.d.N.

$x_1 + x_2 \le 4$

$x_1 - x_2 \le 0$

$x_1 \le 1$

$x_1 \ge 0$

Zunächst wird das nichtlineare Minimierungsproblem in die im vorherigen Abschnitt angegebene Form umgeformt. Das bedeutet die Zielfunktion muss maximiert werden (Multiplikation mit $-1$) und die Nebenbedingungen müssen alle $\le$-Ungleichungen enthalten.

$f(x_1, x_2) = -(x_1 - 2)^2 - (x_2 - 4)^2$    $\rightarrow$   max!

u.d.N.

(1) $x_1 + x_2 \le 4$

(2) $x_1 - x_2 \le 0$

(3) $x_1 \le 1$

(4) $-x_1 \le 0$

1. Iteration

1. Auswahl eines bliebigen Knoten als Startlösung

Der Startknoten muss innerhalb des zulässigen Bereiches $K$ liegen:

Methode

Hier klicken zum Ausklappen

Startwert: $x_1 = x_2 = 0$

Ob der Startwert im zulässigen Bereich liegt, kann überprüft werden, indem dieser in die Nebenbedingung eingesetzt wird. Werden die Werte der rechten Seite nicht überschritten (also keine Nebenbedingung verletzt), so liegt der Startwert im zulässigen Bereich.

2. Bestimmung der aktiven Indizes

Es wird nun in die Nebenbedingungen der Startwert eingesetzt und geprüft, ob beim Einsetzen des Startwertes die Ungleichung zu einer Gleichung führt. Dies ergibt sich für die Nebenbedingungen 2 und 4:

(2) $0 - 0 = 0$

(4) $-0 = 0$

Methode

Hier klicken zum Ausklappen

$I(0,0) = \{2,4\}$

3. Bestimmung des Gradienten 

Es wird der Gradient der Zielfunktion $\frac{\partial f(x)}{\partial x}$ gebildet und die zulässige Lösung $x$ eingesetzt

$\frac{\partial f(x_1,x_2)}{\partial (x_1,x_2)} = (-2(x_1 - 2), -2(x_2 - 4)) $

Einsetzen von $(0,0)$:

$\frac{\partial f(x_1,x_2)}{\partial (x_1,x_2)} = (4, 8) $

4. Lösung des linearen Ersatzproblems

$\frac{\partial f(x)}{\partial x} \cdot s$   max!

u.d.N.

$a_i \cdot s \le 0$     $i \in I(x)$

$\frac{\partial f(x)}{\partial x} \cdot s \le 1$.

Für die Lösung des Ersatzproblems wird der Gradient als Zielfunktion verwendet und die Menge der aktiven Indizies als Nebenbedingungen, wobei die rechte Seite zur $0$ wird. Außerdem wird der Gradient der Zielfunktion zur $\le 1$-Nebenbedingung. Es müssen hier die Nebenbedingungen $2$ und $4$ betrachtet werden. Dafür wird $s_j := x_j$ gesetzt:


$4s_1 + 8s_2$  $\rightarrow$  max!

u.d.N.

$s_1 - s_2 \le 0$

$-s_1 \le 0$

$4s_1 + 8s_2 \le 1$

Das Problem kann zum Beispiel mittels Simplexalgorithmus gelöst werden. Die Variable $s_1$ weist bereits eine Nichtnegativitätsbedinung auf, wenn die 2. Nebenbedingung mit $-1$ multipliziert wird. Für die Variable $s_2$ hingegen ist keine Nichtnegativitätsbedingung gegeben. Das bedeutet hier muss substituiert werden:

$s_2 = s_2' - s_2''$ mit $s_2', s_2'' \ge 0$


Das zu lösende Problem ergibt sich dann wie folgt:

$4s_1 + 8s_2' - 8s_2''$  $\rightarrow$  max!

u.d.N.

$s_1 - s_2' + s_2'' \le 0$

$4s_1 + 8s_2' - 8s_2'' \le 1$

$s_1 \ge 0$

$s_2', s_2'' \ge 0$

Eintragen in das Tableau und lösen mittels primalen Simplex (da die rechte Seite nur positive Werte aufweist) ergibt dann:

methode der zulässigen Richtungen Simplex

$s_1 = 0$, $s_2' = 1/8$ und $s_2'' = 0$.

mit $s_2 = s_2' - s_2'' = 1/8$.

Methode

Hier klicken zum Ausklappen

Die Lösung ist demnach $s = (0,1/8)$.

Diese Lösung ist in jedem Fall eine lokale beste Richtung, da sie im zulässigen Bereich des obigen Problems liegt. Setzt man nämlich $s = (0,1/8)$ in die Nebenbedingungen ein, so werden diese eingehalten. Es existiert eine Anstiegsrichtung, weil die Zielfunktion den Wert 1 annimmt.

5. Bestimmung der Schrittweite: Zulässiger Bereich

Es wird als nächstes bestimmt, wie weit man gehen kann ohne den zulässigen Bereich $K$ zu verlassen. Dies geschieht mit $\mu'$.

Methode

Hier klicken zum Ausklappen

$\mu' = \min_{i \neq I(x), a_is > 0} \{ \frac{b_i - a_i x}{a_i \cdot s} \}$

Es müssen nun also die Nebenbedingungen des Ausgangsproblems betrachtet werden, die nicht Element von $I(x)$ sind. In diesem Fall also die Nebenbedingungen $1$ und $3$. Außerdem muss $a_i \cdot s > 0$ sein:

$\mu' = \min \{ \frac{b_1 - a_1 \cdot x}{a_1 \cdot s}; \frac{b_3 - a_3 \cdot x}{a_3 \cdot s} \}$

Da $a_3 \cdot s = (1,0) \cdot (0,1/8) = 0$ wird die 3. Nebenbedingung nicht mit berücksichtigt.


Einsetzen von $x = (0,0)$, $s=(0,1/8)$ sowie $a_1 = (1,1)$:

Methode

Hier klicken zum Ausklappen

$\mu' = \min \{ \frac{4 - (1,1) \cdot (0,0)}{(1,1) \cdot (0,1/8)} \} = 32$

6. Bestimmung der Schrittweite: Zielfunktion

Es wird als nächstes die Schrittweite $\mu''$ bestimmt. Diese bestimmt wie weit man gehen kann, ohne die Zielfunktion zu verschlechtern. Hierfür wird $f(x)$ ersetzt durch $f(x + \mu'' \cdot s)$.

Es gilt $x(0,0) $. Das bedeutet $x_1 = x_2 = 0$. Außerdem ist bestimmt worden $s(0,1/8)$. Das bedeutet $s_1 = 0, s_2 = 1/8$.


Es wird demnach ersetzt:

$x_1 = 0 + \mu'' \cdot 0 = 0$ und

$x_2 = 0 + \mu'' \cdot 1/8 = 1/8 \mu''$.

$f(\mu'') = -(0 - 2)^2 - (1/8\mu'' - 4)^2$

Die Funktion wird nach $\mu$ abgeleitet (also das Maximum bestimmt):

$\frac{\partial f(\mu'')}{\partial \mu''} = - 2(1/8\mu'' - 4) \cdot 1/8 = 0$

Auflösen nach $ \mu''$:

Methode

Hier klicken zum Ausklappen

$\mu'' = 32$

7. Wahl der Schrittweite

Es wird nun diejenige Schrittweite gewählt, die minimal ist:

$\mu = \min \{32, 32 \} = 32$

8. Berechnung der zulässigen Lösung

Die neue zulässige Lösung ist demnach:

$x = x + \mu \cdot s$

Methode

Hier klicken zum Ausklappen

$x = (0,0) + 32 \cdot (0,1/8) = (0,4)$.


Die 2. Iteration erfolgt im kommenden Abschnitt.