Matemaattinen optimointi

Matemaattinen optimointi on sellaisen pisteen $x^{*}\in A$ etsiminen, jossa funktio $f:A\to \mathbb {R}$ saa pienimmän arvonsa. Tätä pistettä $x^{*}$ kutsutaan minimipisteeksi. Minimipisteen etsimistä kutsutaan minimoinniksi tai optimoinniksi. Rajoitetussa optimointitehtävässä lähtöavaruudessa $A$ on pisteitä, joita ei voida hyväksyä ratkaisuiksi. Vastaavasti maksimointi on sellaisen pisteen $y^{*}\in B$ etsimistä, jossa funktio $g:B\to \mathbb {R}$ saa suurimman arvonsa $g(y^{*})$.

Jokaista maksimointiongelmaa vastaa tietty minimointiongelma, joka ratkaisee maksimointiongelman. Funktion $g$ maksimointi on sama tehtävä kuin funktion $f=-g$ minimointi. Näin ollen matemaattisen optimointiteorian riittää tarkastella pelkästään minimointiongelmia. Funktiolla voi olla lokaaleja sekä globaaleja minimejä. Globaali minimi määritellään pisteeksi $\mathbf {x} ^{*}$, jolle pätee $f(\mathbf {x} ^{*})\leq f(\mathbf {x} )$ kaikilla $\mathbf {x}$, jotka kuuluvat käypään alueeseen, eli sitä pienempää funktion arvoa ei voida saavuttaa käyvässä joukossa. Lokaali minimi määritellään pisteeksi $\mathbf {x} _{\mathrm {lok} }^{*}$, jolle on olemassa $\epsilon >0$ siten, että $f(\mathbf {x} _{\mathrm {lok} }^{*})\leq f(\mathbf {x} _{\mathrm {lok} }^{*}+\mathbf {h} )~,\forall \mathbf {h} ,~||\mathbf {h} ||\leq \epsilon$ ja $\mathbf {x} _{\mathrm {lok} }^{*}+\mathbf {h}$ kuuluu käypään joukkoon. Toisin sanoen on olemassa jokin alue eli ympäristö, jossa piste $\mathbf {x} _{\mathrm {lok} }^{*}$ antaa pienempiä funktion arvoja kun muut pisteet.

Optimointitehtävä $P$ esitetään yleensä muodossa

$P:\min f(\mathbf {x} )~,~\mathbf {x\in S}$

missä $f:\mathbb {R} ^{n}\mapsto \mathbb {R}$ on kohdefunktio ja $S$ käypä joukko. Käyvällä joukolla tarkoitetaan joukkoa, johon tehtävän ratkaisun $\mathbf {x} ^{*}$:n on kuuluttava.

Optimointiteoriassa hyödynnetään usein funktion derivaatan nollakohtaa. Konveksin funktion optimointi konveksissa käyvässä joukossa ja mahdollistaa epälineaarisen tehtävän globaalian optimin löytämisen.

Optimointitehtävätyypit

• Konveksi optimointi tutkii konveksin funktion ja konveksin rajoitusjoukon muodostamaa tehtävää.
• Lineaarinen optimointi (LP) on konveksin optimointitehtävän erikoistapaus, missä kohdefunktio lineaarinen ja käypä joukko monitahokas.
• Kokonaislukuoptimointi tutkii lineaarisen tehtävää kokonaislukurajoitteilla. Kokonaislukuoptimointitehtävät ovat laskennallisesti erittäin haastavia.
• Neliöllinen optimointi on konveksin optimointitehtävän erikoistapaus, missä kohdefunktio on neliöllinen ja käypä joukko monitahokas.
• Epälineaarinen optimointi tutkii yleistä optimointitehtävää.
• Stokastinen optimointi tutkii optimointitehtävää, jossa kohdefunktiossa tai rajoitusehdoissa esiintyy satunnaismuuttujia.
• Dynaaminen ohjelmointi tutkii optimointimenetelmiä, jotka perustuvat tehtävän ratkaisemiseen pilkkomalla tehtävä pienempiin osatehtäviin. Osatehtävät kytkeytyvät toisiinsa ns. Bellmanin yhtälön kautta.

Lineaarinen optimointi

Lineaarinen optimointi tarkoittaa optimointia kun kohdefunktio ja käypää aluetta rajoittavat ehdot ovat lineaarisia. Lineaarista optimointi kutsutaan myös lineaariseksi ohjelmoinniksi. Yleinen linearinen tehtävä voidaan esittää muodossa

$\min \mathbf {c} ^{T}\mathbf {x}$

$\mathbf {A_{1}x} \leq \mathbf {b_{1}}$

$\mathbf {A_{2}x} \geq \mathbf {b_{2}}$

$\mathbf {A_{3}x} =\mathbf {b_{3}}$

Tässä $\leq$ ja $\geq$ merkeillä tarkoitetaan, että jokaista alkiota verrataan riveittäin toisiinsa. Voidaan osoittaa, että kaikki lineaariset optimointitehtävät voidaan esittään ali- ja ylijäämämuuttujien (engl. slack variable) avulla ns. standardimuodossa

$\min \mathbf {c} ^{T}\mathbf {x}$

$\mathbf {Ax} =\mathbf {b}$

$\mathbf {x\geq 0}$

missä $\mathbf {c} \in \mathbb {R} ^{n\times 1}$, $\mathbf {b} \in \mathbb {R} ^{m\times 1}$ ja $\mathbf {A} \in \mathbb {R} ^{m\times n}$. Ts. aina kun tarkastellan yleistä lineaarista tehtävää, voidaan tarkastella pelkästään standarditehtävää menettämättä tuloksien yleispätevyyttä. Huomaa, että myös vektorit $\mathbf {c}$ ja $\mathbf {x}$ muuttuvat tehtävätyypin muunnoksessa.

Tuloksia

• Lineaarisen optimointitehtävän käypä alue on n dimensioisen avaruuden monitahokas (engl. polyhedra).
• Oletetaan, että tehtävänä on minimoida lineaarista kohdefunktiota epätyhjän monitahokkaan sisällä (ts. kyseessä on lineaarinen optimointitehtävä). Tällöin kohdefunktion optimaalinen arvo on $-\infty$ tai on olemassa optimaalinen ratkaisu $\mathbf {x} ^{*}$. Huomaa, että optimipisteen yksikäsitteisyyttä ei ole taattu.
• Jos lineaarisen optimointitehtävän ratkaisu $\mathbf {x} ^{*}$ on äärellinen, tulee yksi ratkaisu löytymään jostain rajoittavan monitahokkaan S kulmasta. Jos kaksi pistettä $\mathbf {x} _{1}$ ja $\mathbf {x} _{2}$ ovat optimaalisia ovat myös pisteet muotoa $\lambda \mathbf {x} _{1}+(1-\lambda )\mathbf {x} _{2}~,\lambda \in (0,1)$ optimaalisia. Tämän voi tulkita siten, että kahden kulman välillä oleva särmä on optimaalinen, jos kummatkin kulmat ovat optimaalisia. Todistus: Oletetaan, että annetut pisteet minimoivat kohdefunktion f. Voidaan osoittaa, että monitahokas on konveksi joukko, eli kaikilla $\mathbf {x_{1},x_{2}} \in S$ pätee $\lambda \mathbf {x} _{1}+(1-\lambda )\mathbf {x} _{2}\in S~,\lambda \in (0,1)$. Koska annetut pisteet ovat optimaalisia, eli niitä pienempiä arvoja funktio ei voi monitahokkaassa saada, pätee$f(\mathbf {x} _{1})=f(\mathbf {x} _{2})=:z$. Toisaalta $f(\lambda \mathbf {x} _{1}+(1-\lambda )\mathbf {x} _{2})=\mathbf {c} ^{T}(\lambda \mathbf {x} _{1}+(1-\lambda )\mathbf {x} _{2})=\underbrace {\mathbf {c} ^{T}\lambda \mathbf {x} _{1}} _{=\lambda f(\mathbf {x} _{1})}+\underbrace {\mathbf {c} ^{T}(1-\lambda )\mathbf {x} _{2}} _{=(1-\lambda )f(\mathbf {x} _{2})}$, mikä voidaan kirjoittaa $f(\lambda \mathbf {x} _{1}+(1-\lambda )\mathbf {x} _{2})=\lambda z+(1-\lambda )z=z~.~\square$. Helposti voidaan huomata, että tapaus voidaan yleistää koskemaan n:ää pistettä, eli jos pisteet $\mathbf {x} _{i},i=1,...n$ ovat optimaalisia, niin ovat myös niiden ns. konveksikombinaatiot $\sum _{i=1}^{n}a_{n}\mathbf {x} _{n},\sum _{i=1}^{n}a_{n}=1,a_{n}\geq 0$ myös optimaalisia. Todistus on analoginen kahden pisteen tapauksen kanssa.

Esimerkkejä

Lineaarinen optimointitehtävä

$\min ~-x_{1}+x_{2}$

$x_{1}+x_{2}\leq 0$

$x_{1}\geq 1$

voidaan esittää standardimuodossa muunnoksella $x_{i}=x_{i}^{+}-x_{i}^{-}$, missä $x_{i}^{+}$ ja $x_{i}^{-}~\geq 0$. Kun lisätään vielä ali- ja ylijäämämuuttujat $s_{1}$ ja $s_{2}$ saadaan tehtäväksi

$\min -x_{1}^{+}+x_{1}^{-}+x_{2}^{+}-x_{2}^{-}$

$x_{1}^{+}-x_{1}^{-}+x_{2}^{+}-x_{2}^{-}+s_{1}+0\cdot s_{2}=0$

$x_{1}^{+}-x_{1}^{-}+0\cdot x_{2}^{+}-0\cdot x_{2}^{-}+0\cdot s_{1}-s_{2}=1$

$x_{i}^{\pm },s_{i}\geq 1~,i=1,2$

Jos siis valitaan $\mathbf {c} =[-1,1,1,-1,0,0]^{T}$, $\mathbf {b} =[0,1]^{T}$, $\mathbf {x} =[x_{1}^{+},x_{1}^{-},x_{2}^{+},x_{2}^{-},s_{1},s_{2}]^{T}$ ja

$\mathbf {A} ={\begin{bmatrix}1&-1&1&-1&1&0\\1&-1&0&0&0&-1\\\end{bmatrix}}~,$

on tehtävä saatu standardimuotoon. Huomaa, että optimipisteessä vain toinen muuttujista $x_{i}^{+}$ ja $x_{i}^{-}$ on nollasta poikkeava, joten ylimääräiset muuttujat eivät vaikuta rajoitusehtoihin.

Epälineaarinen optimointi

Epälineaarisella optimoinnilla tarkoitetaan sellaisen optimointitehtävän ratkaisemista, joka on muotoa

$\min f(\mathbf {x} )$

$g_{i}(\mathbf {x} )\leq 0,i=1,...,m$

$h_{j}(\mathbf {x} )=0,j=1,...,l$

$x\in X\subseteq \mathbb {R} ^{n}$

missä $f,g_{i},h_{j}:\mathbb {R} ^{n}\mapsto \mathbb {R}$, f on mielivaltainen kohdefunktio, funktiot $g_{i}$ epäyhtälörajoitukset, $h_{j}$ yhtälörajoitukset ja X käypä joukko. Vaikka yhtälörajoitukset voidaan esittää epäyhtälörajoitusten avulla ($h_{i}\leq 0$ ja $-h_{i}\leq 0$), tämä ei käytännössä aina ole mahdollista, sillä jotkin ratkaisumenetelmät olettavat tehtävän rajoitusten olevan optimipisteessä lineaarisesti riippumattomat.

Epälineaarinen ja lineaarinen tehtävä (LP) eroavat toisistaan seuraavasti. Epälineaarisessa tehtävässä käypä alue voi olla mielivaltainen, kun LP-tehtävän käypä joukko on aina monitahokas. Toiseksi LP-tehtävän lineaarinen kohdefunktio on aina myös konveksi, joten tehtävälle löydetään globaali optimi hyödyntämällä konveksin optimoinnin tuloksia. Epälineaarinen tehtävä on lineaarista tehtävää yleisempi, joten kaikki tulokset, jotka on johdettu epälineaariselle tehtävälle, pätevät myös lineaariselle tehtävälle.

Välttämättömät optimaalisuusehdot

Kun jokin optimointitehtävän käyvän alueen piste on optimaalinen, se täyttää välttämättömät optimaalisuusehdot. Lause ei päde toisin päin, eli tehtävälle voi olla mahdollista löytää optimaalisuusehdot täyttävä piste, joka ei välttämättä ole optimipiste.

Rajoittamattoman tehtävän välttämätön optimaalisuusehto optimointitehtävän ratkaisupisteelle $\mathbf {x} ^{*}$ on

$\nabla f(\mathbf {x} ^{*})=0$

Yleiselle rajoitetulle tehtävälle voidaan johtaa Karush-Kuhn-Tuckerin välttämättömät optimaalisuusehdot (välttämättömät KKT-ehdot), ja hieman yleisemmät Fritz-Johnin välttämättömät optimaalisuus ehdot (välttämättömät FJ ehdot).

Fritz-Johnin välttämättömät optimaalisuusehdot

Olkoon käypä joukko epätyhjä ja avoin sekä $\mathbf {x}$ jonkin epälineaarisen tehtävän lokaali optimi. Tällöin on olemassa vektori $(u_{0},\mathbf {u,v} )$ siten, että

$u_{0}\nabla f(\mathbf {x} )+\sum _{i=1}^{m}u_{i}\nabla g_{i}(\mathbf {x} )+\sum _{i=1}^{l}v_{i}\nabla h_{i}(\mathbf {x} )=0$

$u_{i}g_{i}(\mathbf {x} )=0,i=1,...,m$

$u_{0}\geq 0,u_{i}\geq 0,i=1,...,m$

missä $\mathbf {u}$ ja $\mathbf {v}$ ovat m ja l vektoreita joiden i:nnet komponintit ovat $u_{i}$ ja $v_{i}$. Luonnollisesti on oletettava, että gradientit ovat olemassa. FJ-ehdot saadaan toteutumaan mielivaltaiselle käyvälle pisteelle lisäämällä sopivia merkityksettömiä rajoituksia.

Karush-Kuhn-Tuckerin välttämättömät optimaalisuusehdot

Fritz-Johnin ehdot redusoituvat tietyin ehdoin KKT-ehdoiksi. KKT-ehdot ovat FJ-ehtoja hyödyllisempiä, sillä ne karsivat pois turhia kandidaattipisteitä. Käytännössä näiden ehtojen on taattava, että FJ-ehtojen $u_{0}$ on nollasta poikkeava, jolloin jakamalla sillä puolittain saadaan ns. KKT-ehdot.

Olkoon $\mathbf {x}$ jonkin epälineaarisen tehtävän lokaali optimi, jolla on sopivat rajoitusehdot. Tällöin on olemassa vektori $(\mathbf {u,v} )$ siten, että

$\nabla f(\mathbf {x} )+\sum _{i=1}^{m}u_{i}\nabla g_{i}(\mathbf {x} )+\sum _{i=1}^{l}v_{i}\nabla h_{i}(\mathbf {x} )=0$

$u_{i}g_{i}(\mathbf {x} )=0,i=1,...,m$

$u_{i}\geq 0,i=1,...,m$

missä $\mathbf {u}$ ja $\mathbf {v}$ ovat m ja l vektoreita joiden i:nnet komponentit ovat $u_{i}$ ja $v_{i}$.

Esimerkkejä

• Funktio $f(x)=ax^{2}+bx+c$, kun $a>0$, saavuttaa miniminsä pisteessä ${\frac {-b}{2a}}$.
• Funktiolla $f(x)=x$, kun $x\in \mathbb {R}$, ei ole minimipistettä, sillä jokaista pistettä $x$ kohden on aina olemassa pienempi piste $y<x$.
• Funktiolla $f(x)=(x+1)^{2}(x-1)^{2}$on kaksi nollakohtaa $x_{1}=-1$ ja $x_{1}=1$. Se on aina ei-negatiivinen, joten funktion minimiarvo on nolla. Huomaa, että kaksi eri $x$:n arvoa antavat saman optimin, eli optimi ei ole yksikäsitteinen. Jos optimointi tehdään rajoitetussa joukossa $x\geq 0$, niin optimi on yksikäsitteinen.

Katso myös

• Matematiikka