- •Г.Г КАШЕВАРОВА, Т.Б. ПЕРМЯКОВА
- •Предисловие
- •Введение
- •Общие сведения о математическом моделировании.
- •Численные методы
- •Элементы теории погрешности
- •Понятия мастера и надстройки
- •Глава 1. Основные понятия матричного исчисления. Матрицы в расчетах строительных объектов
- •1.1. Матрицы и векторы. Определения
- •1.2. Матрицы специального вида
- •1.3. Действия над матрицами
- •1.4. Нормы матрицы и вектора
- •1.5. Матрицы в задачах строительной механики
- •1.5.1. Матрицы влияния внутренних сил
- •1.5.2. Матричная форма расчета статически определимых ферм
- •1.5.3, Матричная форма метода сил
- •1.5.4. Матричная форма метода перемещений
- •1.6. Матрицы в расчетах инженерных сетей
- •1.7. Функции Excel для операций над матрицами
- •Категория: математические. Функции:
- •2.1. Системы линейных алгебраических уравнений
- •2.2.1. Метод Гаусса
- •2.2.2. Метод Гаусса для СЛАУ с ленточными матрицами
- •2.2.3. Метод прогонки
- •2.2.4. Метод (схема) Холецкого
- •2.3. Итерационные методы решения систем линейных алгебраических уравнений
- •2.3.1. Метод Якоби (простых итераций)
- •2.3.2. Метод Гаусса - Зейделя.
- •2.3.3. Условия сходимости итерационного процесса
- •2.5. Обусловленность задач и вычислений, или как узнать, что получены правильные ответы
- •2.6. Вычисление определителя
- •2.7. Вычисление обратной матрицы
- •2.8. Нахождение собственных значений и собственных векторов матриц
- •2.8.1. Вводные замечания
- •2.8.2. Методы развертывания вековых определителей
- •2.8.3. Итерационные методы определения максимального по модулю собственного значения
- •2.9.1. Реализация метода Гаусса средствами приложения Excel
- •Последовательность действий:
- •2.9.4. Реализация метода Зейделя средствами приложения Excel
- •Последовательность действий:
- •3.1. Отделение корней
- •3.2. Этап уточнения корня
- •3.2.1. Метод половинного деления (бисекций)
- •3.2.2.Метод хорд
- •3.2.3. Метод Ньютона (метод касательных)
- •3.2.4. Модифицированный метод Ньютона
- •3.3. Системы нелинейных уравнений
- •3.4. Реализация численных методов решения нелинейных уравнений средствами приложения Excel
- •3.4.1. Решение нелинейных уравнений
- •Последовательность действий
- •4.2.3. Интерполяционный полином Эрмита
- •4.2.4. Сплайн-интерполяция
- •Глава 4. Аппроксимация
- •4.1. Задача и способы аппроксимации
- •4.2. Интерполирование функций
- •4.2.1. Постановка задачи интерполирования
- •4.2.2. Интерполяционная формула Лагранжа
- •4.3. Среднеквадратичное приближение функций
- •4.3.1. Метод наименьших квадратов
- •4.3.4. Квадратичное (параболическое) приближение
- •4.3.4. Эмпирические формулы с двумя параметрами. Метод выравнивания
- •4.4. Решение задач аппроксимации с помощью электронных таблиц Excel
- •4.4.1. Построение линейной эмпирической формулы методом наименьших квадратов
- •Последовательность действий
- •Последовательность действий
- •5.1. Квадратурные формулы прямоугольников
- •5.2. Квадратурная формула трапеций
- •5.3. Квадратурная формула Симпсона
- •5.4. Реализация методов численного интегрирования средствами приложения Excel
- •Глава 6. Численные методы решения дифференциальных уравнений с начальными и краевыми условиями
- •6.1.1. Задачи Коши и краевые задачи
- •6.2.1.Классификация уравнений и типы задач
- •6.3. Численные методы решения задач Коши
- •6.3.1. Метод Эйлера
- •(геометрический метод решения задачи Коши)
- •6.4. Численные методы решения краевых задач
- •Разностная схема краевой задачи для обыкновенного дифференциального уравнения 2-го порядка
- •Конечно-разностная аппроксимация функций двух переменных
- •Сходимость метода конечных разностей
- •6.5. Вариационный подход к решению краевых задач
- •6.5.1. Основные понятия вариационного исчисления
- •6.5.2. Связь решения краевой задачи с нахождением минимума функционала
- •6.5.3. Метод Ритца
- •6.6.1. Решение задачи Коши методом Эйлера
- •Построение второй итерации
- •Последовательность действий.
- •Порядок построения графиков приближенных решений краевой задачи
- •Глава 7. Метод конечных элементов
- •7.1. Основные положения МКЭ
- •Построение расчетной модели
- •Аппроксимация искомой функции
- •Составление разрешающих уравнений
- •Решение системы линейных алгебраических уравнений
- •7.2.1. Классификация конечных элементов
- •Одномерный конечный элемент
- •Двухмерные конечные элементы.
- •элемента
- •Одномерный симплекс-элемент
- •Двухмерный треугольный симплекс-элемент
- •7.2.3. Интерполирование векторных величин
- •7.2.4. Разбиение области на конечные элементы
- •7.2.5 Нумерация узлов и элементов
- •7. 3. Основные соотношения МКЭ
- •7.3.1. Получение разрешающих уравнений на примере плоской задачи теории упругости
- •7.3.2. Примеры разрешающих уравнений в задачах расчета строительных объектов
- •7.4. Другие типы конечных элементов
- •7.4.1. Элементы Эрмита
- •7.5. Теоретическая и практическая сходимость МКЭ
- •7.6.1. Специализированные программные комплексы
- •7.6.2. Универсальные программные комплексы
- •8.1.1. Математическая модель задачи оптимизации
- •8.1. Общие сведения
- •8.1.2. Необходимые и достаточные условия экстремума функции
- •8.1.3. Классификация задач математического программирования
- •8.2. Постановка задачи оптимального проектирования
- •8.2.1. Определение входных и выходных параметров
- •8.2.2. Выбор целевой функции
- •8.2.3. Назначение ограничений
- •8.2.4. Нормирование управляемых и выходных параметров
- •8.2.5. Примеры постановок задач оптимального проектирования
- •8.3. Задачи линейного программирования
- •8.3.1. Общая постановка задачи ЛП
- •8.3.2. Геометрический смысл системы линейных неравенств с двумя неизвестными
- •8.3.4. Симплекс-метод решения задач линейного программирования
- •Задача об оптимальном плане выпуска продукции
- •Задача об оптимальном раскрое материалов (о минимизации отходов)
- •Задача о планировании смен на предприятии
- •Задача о покрытии местности при строительстве объектов
- •Транспортная задача
- •Задача о назначениях (проблема выбора)
- •8.3.6. Двойственные задачи в линейном программировании
- •8.4. Нелинейные задачи оптимизации
- •8.4.1. Выпуклые множества и выпуклые функции
- •8.4.2. Классификация численных методов решения нелинейных задач оптимизации
- •Основные этапы поиска экстремума
- •8.4.3. Численные методы одномерного поиска
- •Метод перебора или равномерного поиска
- •Метод дихотомии (или половинного деления)
- •Метод квадратичной интерполяции
- •Метод покоординатного спуска
- •Метод градиентного спуска
- •Метод наискорейшего спуска
- •Метод сопряженных градиентов
- •Метод Ньютона
- •Метод штрафных функций
- •8.5. Решение задач оптимизации с помощью электронных таблиц Excel
- •Литература
- •Оглавление
- •Численные методы решения задач строительства на ЭВМ
1.Методы последовательного поиска (методы перебора, дихотомии, золотого сечения и др.);
2.Методы, использующие аппроксимацию функции (методы квадратичной и кубической интерполяции и др.).
Рассмотрим некоторые из этих методов.
Метод перебора или равномерного поиска
Данный метод является простейшим из прямых методов минимизации и состоит в следующем:
Отрезок [а,Ь\ разбивается на п равных частей точками деления:
Xi=a+i(b-a)/n, /=1,2, ...и. |
(8.89) |
Вычислив значения Z(x) в точках х„ путем сравнения находится точка х,„ (где т - число от 1 до п) такая, при которой
Z(xm)=minZ(x,) для всех / от 1 до п.
Погрешность 8 определения точки минимума хт функции Z(x) методом перебора не превосходит величины е=(Ь-а)/п.
Метод дихотомии (или половинного деления)
Идея метода заключается в том, чтобы на каждом шаге итерации (п = 1,2,...) целевая функция Z(x) вычислялась только в двух точках, и при этом вдвое уменьшалась интервал неопределенности (ИН).
Исходя из свойства унимодальности функции, можно построить такую стратегию последовательного поиска точки
минимума х , |
при которой любая пара опытов (вычислений Z(x)) |
||||
позволяет |
сузить |
область |
поиска |
(или |
интервал |
неопределенности). В самом деле, вычисляя Z(x) в точках Х\ и х2 таких, при которых а <х\ < х2 < Ь, можно локализовать интервал неопределенности путем анализа полученных значений функции
(рис.8.20) [20]: |
|
|
|
> |
если Z(x\)<Z{x2), |
то х*е [а, х2\, |
(8.90) |
||
если Z(x,)=Z(x2), |
то |
х е |
[хц х2]; |
|
если Z(xi)>Z(x2), |
то |
х*е |
[хц Ь]. |
|
При этом можно построить последовательность вложенных отрезков [а, Ь] з [а,, 6,] з з [аП;Ь 6„_,] з [ап, Ьп], каждый из которых содержит точку минимума х*функции Z(x).
Стратегия выбора значений х\ и х2для проведения опытов с учетом предыдущих результатов определяет сущность различных методов последовательного поиска.
ин ИН
Z(x)
т
т |
! |
1 |
1 |
I |
I |
||
1 11 |
LКУУХЛ____ |
1 |
1 |
-ixxxj.... |
|
|
ин |
|
|
Z(X) |
-— |
|
' |
|
0 |
|
|
|
1 |
о |
|
|
| |
' |
|
..... |
1 |
! |
L |
..Качм___ 1 |
А ^ ^ Ь Х & Х1 *2 Ь Х а XJ *2 Ь *
Рис.8.20. Влияние парного эксперимента на определение области поиска.
В частности, в методе дихотомии этот выбор производится следующим образом:
1) Вычисляется срединная точка интервала
хт= ^ ^ ,{ п = 0 ,\,2 ,...У ,
2) Определяются координаты двух точек слева и справа вблизи
точки х1П: |
дг, = хт - 1 , *2 = хт + 1 , |
где £>0 -- требуемая точность определения точки х
3)Вычисляются значения целевой функции в этих точках Z(xО и Z(x2) и сравниваются в соответствии с условиями (8.90).
4)Если (b„-a,J< г, то поиск прекращается, в противном случае выполняется следующая итерация.
Для п - 0, 1, 2,... можно записать последовательности вычисления {о,,}, {£„}, {*i(n)}, {*2(п)Ь используя рекуррентные формулы:
а0=а, b0=b;
х1(,,-|) =(«„_, + 6 „ ..- е )/ 2,
если Z ( x [ n~X)) < Z(JC2”_1)) >то
если Z (X,("“i)) = Z (J4""I)) , TO
4 - ” |
+ ^ » - i + е ) / 2 , |
||
® П -\ 5 |
и п |
х 2 |
> р-91) |
II X |
II |
X |
7^ |
если Z(JC1(,'-i) ) > Z (^2 ,_l)), то
II
•«С? |
II |
7 |
J
Полагая х |
» (а „ |
+ 6 „ ) / 2 , находим х’ с |
абсолютной |
погрешностью, не превосходящей величины |
|
||
е„ = (6Я - |
а „ ) / 2 |
= ( Ь - а - г ) 1 2 " +' + s / 2 . |
(8.92) |
Используя условие е„ <е, из последнего выражения можно найти необходимое число шагов п для обеспечения требуемой
точности |
е. О днако на |
практике часто поступают |
иначе: |
определив |
границы отрезка |
[а„, &„], вычисляют s„ по |
формуле |
(8.92) и сравниваю т с заданной точностью 8. |
|
■ Пример 8.8. Найти минимальное значение Zmin и точку минимума х*
функции Z (x) = x 4 - 5 х 2 + е ~ х на отрезке [1,5; 2]. Точку х* найти с погрешностью е = 0,05.
Реш ение. Построим последовательность вложенных отрезков [а,„ Ь„] по формулам (8.91), записывая результаты вычислений в табл. 8.4.
|
|
|
|
|
|
|
Таблица 8.4 |
|
п |
|
|
( N |
|
|
Z(x,(n)) |
Z(x2(n)) |
Примечание |
ап |
ьп |
t |
*,(п) |
*2(П) |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
Гс |
|
|
|
|
|
|
|
|
СО |
|
|
|
|
|
0 |
1,500 |
2,000 |
0,250 |
1,740 |
1,760 |
-5,796 |
-5,721 |
Z(x,)<Z(x2) |
1 |
1,500 |
1,760 |
0,130 |
1,620 |
1,640 |
-6,037 |
-6,020 |
Ь\=х2 |
Z(x,)<Z(x2) |
||||||||
2 |
1,500 |
1,640 |
0,070 |
1,560 |
1,580 |
-6,035 |
-6,044 |
bz~X2 |
Z(x,)>Z(x2) |
||||||||
3 |
1,560 |
1,640 |
0,040 |
1,590 |
1,610 |
-6,045 |
-6,042 |
Я з = Х , |
e3<e, |
точность
достигнута
Следовательно, х* к 1,6 и Zmin и Z(l,6) = -6,04.
Этот расчет выполнен с использованием электронных таблиц Excel.
Метод золотого сечения
Этот метод также является последовательным {итерационным) методом оптимизации. Опираясь на свойства золотого сечения отрезка, этот метод использует найденные значения Z(x) более рационально, чем метод дихотомии, что позволяет переходить к очередному суженому интервалу неопределенности после вычисления одного, а не двух значений
Z(x).
Деление отрезка на две неравные части так, что отношение всего отрезка к длине его большей части равно отношению длины большей части к длине меньшей части, называется золотым сечением этого отрезка.
Каждый отрезок [а,Ь] содержит два золотых сечения, которые располагаются в точках
З - л / 5 |
|
|
(8.93) |
|
х, =а + - ? |
— (Ь -а ) = а + 0 , З Щ Ь - а ) ; |
|||
х2 =а + |
(Ь- а) = а + 0,628(6 - |
а) . |
(8.94) |
|
Зная одну из точек золотого сечения отрезка [а,6] , другую |
||||
можно найти по одной из формул: |
|
|
|
|
x\=a+b-x2, |
х2=а+Ь-Х\ |
|
|
(8.95) |
Общая идея метода состоит в следующем: |
|
|
|
|
1) На каждом шаге «=1,2,... точки |
и Хъ |
располагаются |
симметрично относительно центра интервала неопределенности
в золотых сечениях отрезка.
2)Затем в этих точках вычисляются значения целевой функции Z(x); при этом только на первом шаге («=1) целевая функция вычисляется в двух точках. На всех последующих шагах («=2,3,...) Z(x) вычисляется только в одной вновь найденной точке суженого интервала неопределенности (значение в другой
точке отрезка оказывается вычисленным на одном из предыдущих шагов).
3) |
Сравниваются значения Z (xx) и Z (x2) и находятся значения ап, |
||||
|
b„, хп (w=2,3,...) по формулам: |
|
|
||
|
&п &/1-1 5 |
Ь„=х2{"''\ |
дс^де/"'0, |
если Z(JC,(" °)<Z(x^" 'l)); |
' (8.96) |
а ,г х ](«-О |
/>„= 6 ,,.ь |
х„=Х2("~'\ |
если Z(JC,("_i)) > Z(J4"”I)) • |
|
|
4) |
Процесс поиска заканчивается, если е„<е, |
|
|||
где |
е.. = |
>/5-1 (*,, - « „ )* 0,628(6,, - а „ ) , |
(8.97) |
£>0 — заданная погрешность определения точки х .
Число п шагов метода золотого сечения, обеспечивающее заданную точность 8 нахождения точки х , можно посчитать заранее, оно должно удовлетворять неравенству:
л >2,1 In— |
(8.98) |
Ф~ а )
■Пример 8.9. Решить пример 8.8 методом золотого сечения. Вычисления проводим по формулам (8.93)-(8.96), представив
результаты в табл. 8.5.
|
|
|
|
|
|
|
|
Таблица 8.5 |
|
|
|
|
с |
|
|
|
Z(x,(n)) |
|
Примеча |
п |
а п |
К |
ОО |
|
|
х Р |
Z fe(n)) |
||
|
|
ние |
|||||||
|
|
|
(Ч |
|
|
|
|
|
|
|
|
|
Ч |
< Ч | |
|
|
|
|
|
|
|
|
^ |
f |
|
|
|
|
|
|
|
|
со |
I |
|
|
|
|
|
1 |
1 ,5 0 0 |
2 ,0 0 0 |
0 ,3 0 9 |
1,691 |
1 ,8 0 9 |
-5 ,9 3 6 |
-5 ,4 8 9 Z(X,)<Z(X2) |
||
|
|
|
|
|
|
|
|
|
62=х2 |
2 |
1 ,5 0 0 |
1 ,8 0 9 |
0,191 |
1 ,6 1 8 |
1,691 |
-6 ,0 3 8 |
-5 ,9 3 6 |
Z(x,)<Z(x2) |
|
|
|
|
|
|
|
|
|
|
Ьз~Х2 |
3 |
1 ,5 0 0 |
1,691 |
0 ,1 1 8 |
1 ,5 7 3 |
1 ,6 1 8 |
-6 ,0 4 2 |
-6 ,0 3 8 |
Z(x,)<Z(x2) |
|
|
|
|
|
|
|
|
|
|
Ьл-Хг |
4 |
1 ,5 0 0 |
1 ,6 1 8 |
0 ,0 7 3 |
1 ,5 4 5 |
1 ,5 7 3 |
-6 ,0 2 4 |
-6 ,0 4 2 Z(x,)>Z(x2) |
||
|
|
|
|
|
|
|
|
|
a5=Xi |
5 |
1 ,5 4 5 |
1 ,6 1 8 |
0 ,0 4 5 |
1 ,5 7 3 |
1 ,5 9 0 |
-6 ,0 4 2 |
-6 ,0 4 5 |
|
е 3< е ,
точность
достигнута