Optymalizacja nieliniowa

Przedmiot wykładu, zadanie optymalizacji nieliniowej w n wymiarach. Przykłady modeli praktycznych. Podstawowe wiadomości o zbiorach wypukłych. Twierdzenie o hiperpłaszczyźnie rozdzielającej i podpierającej. (2--3 wykłady)

Podstawowe wiadomości o funkcjach wypukłych. Funkcje wypukłe jedno i dwukrotnie różniczkowalne. Gradient i subgradient. Funkcje quasi- i pseudowypukłe. Zbiory podwarstwicowe, minima. (2--3 wykłady)

Struktura zbioru dopuszczalnego, kierunki dopuszczalne i poprawiające. Warunki konieczne i dostateczne optymalności. Funkcja Lagrange'a. Warunek konieczny Fritza Johna. Warunki konieczne i dostateczne

Kuhna i Tuckera. Warunki regularności. Warunki równowagi. (3--4 wykłady)

Zadania dualne i twierdzenia o dualności. Punkty siodłowe funkcji Lagrange'a, ich związki z dualnością i równaniem Kuhna-Tuckera. Liniowe zadanie komplementarności, metoda Lemkego, zastosowania w programowaniu kwadratowym. Rozwiązywanie zadań programowania kwadratowego. (3--4 wykłady)

Metody rozwiązywania zadań programowania nieliniowego. Minimalizacja bezwarunkowa nieliniowej funkcji jednej i wielu zmiennych. Przykłady metod gradientowych, gradientów sprzeżonych i metod typu metody Newtona. Przykłady metod dla zadań warunkowych: metody kierunków dopuszczalnych, zasada funkcji karnych i barierowych, metody losowe. (2--4 wykłady)

Wiedza i umiejętności:

1. wie na czym polega zadanie optymalizacji nieliniowej w n wymiarach;

2. zna podstawowe własności zbiorów wypukłych, zna twierdzenie o hiperpłaszczyźnie rozdzielającej i podpierającej;

3. zna podstawowe własności funkcji wypukłych, zna pojęcie gradientu i subgradientu funkcji wypukłej, wie co to są funkcje quasi- i pseudowypukłe;

4. umie znajdować ekstrema funkcji wielu zmiennych, wie co to jest funkcja Lagrange'a oraz jak ją wykorzystujemy przy znajdowaniu ekstremów funkcji wielu zmiennych;

https://moodle.mimuw.edu.pl/course/view.php?id=622