Inhaltsverzeichnis
- 1. Iteration
- 1. Auswahl eines bliebigen Knoten als Startlösung
- 2. Bestimmung der aktiven Indizes
- 3. Bestimmung des Gradienten
- 4. Lösung des linearen Ersatzproblems
- 5. Bestimmung der Schrittweite: Zulässiger Bereich
- 6. Bestimmung der Schrittweite: Zielfunktion
- 7. Wahl der Schrittweite
- 8. Berechnung der zulässigen Lösung
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
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
$I(0,0) = \{2,4\}$
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:
$s_1 = 0$, $s_2' = 1/8$ und $s_2'' = 0$.
mit $s_2 = s_2' - s_2'' = 1/8$.
Methode
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
$\mu' = \min_{i \neq I(x), a_is > 0} \{ \frac{b_i - a_i x}{a_i \cdot s} \}$
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
$\mu' = \min \{ \frac{4 - (1,1) \cdot (0,0)}{(1,1) \cdot (0,1/8)} \} = 32$
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
$\mu'' = 32$
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
$x = (0,0) + 32 \cdot (0,1/8) = (0,4)$.
Die 2. Iteration erfolgt im kommenden Abschnitt.
Weitere interessante Inhalte zum Thema
-
Beispiel: Methode der zulässigen Richtungen (2. Iteration)
Vielleicht ist für Sie auch das Thema Beispiel: Methode der zulässigen Richtungen (2. Iteration) (Nichtlineare Optimierung) aus unserem Online-Kurs Operations Research 2 interessant.
-
Beispiel: Branch and Bound am Maximierungsproblem (optimale Lösung)
Vielleicht ist für Sie auch das Thema Beispiel: Branch and Bound am Maximierungsproblem (optimale Lösung) (Ganzzahlige Optimierung) aus unserem Online-Kurs Operations Research 2 interessant.