Page 180 - 6197
P. 180
k
x
g x g x k J g x k 0, (3.62)
k
h x h x k J h x k 0, (3.63)
x
k
x
де R x k - градієнт функції x у точці x k ; J g ,
R
k
x
J h - матриці Якобі, які обчислені у точці x k ;
€
x k x x k ; R x R x R x k .
Метод апроксимації дає змогу врахувати всі обмеження
задачі нелінійного програмування, а це його відрізняє від
деяких інших методів розв’язання задач нелінійного
програмування, що оперують лише з активними
обмеженнями.
При розв’язанні одержаної задачі лінійного програмування
може виявитись, що точка x k вийшла за межі допустимої
області, яка утворена обмеженнями (3.56) і (3.57). Для
запобігання таких випадків на приріст змінної накладається
додаткова умова
k
x k 1 x k , j 1,n , (3.64)
j j j
де k 0 - мала величина, що визначає довжину кроку при
j
переміщенні точки x і не дозволяє вектору x виходити за
межі допустимої області.
Розв’язок задачі (3.61) – (3.63) при додатковій умові (3.64)
k
позначимо як x . Тоді
k
x k 1 x k x .
Повторюючи багатократно процедуру розв’язання задачі
лінійного програмування (3.61) – (3.63), зменшуючи при
k
цьому величини , ми прагнемо добитися такої ситуації,
j
щоб поправка R x k 1 до знайденого на попередньому кроці
180