Page 179 - 5637
P. 179
3.4. Якщо 0 < < ∞, то обчислюємо за формулою = + .
п
п
п п
Заміняємо на + 1 і переходимо до п.2.
4. Якщо < , то замінюємо на + 1 і переходимо до п.3. Якщо = ,
то хп оголошується наближеним рішенням задачі (8.1) – (8.3).
В даному алгоритмі (як і в алгоритмі методу вектора спаду) при переході до
процедури перебору елементів околиці Хеммінга ( , ) збільшеним на одиницю
радіусом досить розглядати точки, що належать поверхні Хеммінга ( , ) =
= ( , )/ ( , − 1). Достатні умови збіжності алгоритму методу направляючих
околиць при вирішенні задачі опуклого цілочисельного програмування сформульовані
в [69]. Там же розглянуті приклади його застосування для вирішення завдань
лінійного цілочисельного програмування, частково цілочисельного програмування, а
також для пошуку локальних рішень параметричних задач лінійного цілочисельного
програмування (тобто завдань, цільова функція і (або) коефіцієнти системи обмежень
яких залежать від деякого параметра). Як критерій закінчення пошуку (або якості
рішення) по алгоритму методу направляючих околиць аналогічно алгоритму методу
вектора спаду може слугувати оцінка величини min ( ), отримана з допомогою
∈
алгоритму статистичної оцінки екстремальних значень функції (див. §8.6).
При описі алгоритму методу направляючих околиць залишилася невирішеною
завдання отримання хоча б одного допустимого рішення, тобто елемента безлічі . У
загальному випадку для знаходження допустимих рішень можна скористатися
алгоритмами безумовної мінімізації, призначеними для виконання завдання пошуку
такого , що
= min ( ),
∈
де ( ) = ∑ ( ) ( ) ; ( ) – оператор Хевісайда; = 0 при ( ) ≤ 0 і = 1
при ( ) > 0; ( = 1, … , ) – функції, формують систему обмежень (8.3).
Функціонал ( ) характеризує ступінь порушення даної точкою у системи обмежень.
Легко бачити, що ( ) ≥ 0 для всіх ∈ і ( ) = 0 при ∈ . У даній постановці
завдання пошуку допустимого рішення трансформується в задачу цілочисельного
програмування без обмежень, для вирішення якої можна застосувати методи
напрямних околиць і вектора спаду.