Ανασκόπηση εννοιών, μεθόδων βελτιστοποίησης και άλγεβρας μητρώων

Ανασκόπηση εννοιών, μεθόδων βελτιστοποίησης και άλγεβρας μητρώων Δημήτρης Κουτσογιάννης Τομέας Υδατικών Πόρων Εθνικό Μετσόβιο Πολυτεχνείο 1. Μονοδιάστατο πρόβλημα βελτιστοποίησης Συνθήκες ακροτάτου f ( ) Κυρτή (conve) συνάρτηση Σημείο ελαχίστου f ( ) Κοίλη (concave) συνάρτηση Σημείο μεγίστου f ( ) Πολυκόρυφη (mulimodal) Τοπικό συνάρτηση ελάχιστο Ολικό ελάχιστο f' ( ) Σημείο μηδενισμού α' παραγώγου f' ( ) Σημείο μηδενισμού α' παραγώγου f' ( ) Σημεία μηδενισμού α' παραγώγου f ( ) f ( ) f ( ) β παράγωγος θετική αρνητική Θετική β παράγωγος Αρνητική β παράγωγος Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 1

Αναζήτηση ακροτάτου: μέθοδος χρυσής τομής f ( ) Σημείο ελαχίστου Δοκιμή 4 Δοκιμή 3 Δοκιμή 2 a b u Δοκιμή 1 c Ξεκινάμε από τρία σημεία (a, b, c). Πυκνώνουμε (σημείο u) από το ενδιάμεσο σημείο (b) προς την πλευρά του πιο απομακρυσμένου, ακολουθώντας την αναλογία της χρυσής τομής ((3 5) / 2 =.38197). Εξετάζουμε ποιο από τα δύο ενδιάμεσα σημεία αντιστοιχεί στη μικρότερη τεταγμένη. Κρατάμε αυτό το σημείο και δύο σημεία εναλλάξ. Σταματάμε όταν το διάστημα που ορίζουν τα δύο ακραία σημεία προς το άθροισμα των τετμημένων των δύο ενδιάμεσων σημείων (κατ απόλυτη τιμή) γίνει μικρότερο από μια τιμή ανοχής. Διαφορετικά επαναλαμβάνουμε. (Για κωδικοποίηση αλγορίθμου βλ. Press e al., 1992) Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 2 Αναζήτηση ακροτάτου: μέθοδος παραβολικής παρεμβολής f ( ) a Σημείο ελαχίστου Υπολογισμός κορυφής παραβολής b Δοκιμή 4 Δοκιμή 3 Δοκιμή 2 2 2 1 ( b a) [ f ( b) f ( c)] ( b c) [ f ( b) f ( a)] u = b 2 ( b a)[ f ( b) f ( c)] ( b c)[ f ( b) f ( a)] u Δοκιμή 1 c Ξεκινάμε από τρία σημεία (a, b, c). Πυκνώνουμε με ένα ακόμη σημείο (u) προσαρμόζοντας παραβολή στα τρία γνωστά σημεία (a, b, c) και υπολογίζοντας τη θέση της κορυφής της παραβολής. Εξετάζουμε ποιο από τα δύο ενδιάμεσα σημεία αντιστοιχεί στη μικρότερη τεταγμένη. Κρατάμε αυτό το σημείο και δύο σημεία εναλλάξ. Σταματάμε όταν το διάστημα που ορίζουν τα δύο ακραία σημεία προς το άθροισμα των τετμημένων των δύο ενδιάμεσων σημείων (κατ απόλυτη τιμή) γίνει μικρότερο από μια τιμή ανοχής. Διαφορετικά επαναλαμβάνουμε. Βελτιωμένη εκδοχή της μεθόδου έχει αναπτυχθεί από τον Bren (βλ. Press e al., 1992) Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 3

2. Πολυδιάστατα προβλήματα: Εισαγωγικές έννοιες Διανύσματα και μητρώα Διάνυσμα (μεγέθους n): = Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 4 a 11 a 12 a 1k a 21 a 22 a 2k Μητρώο (μεγέθους n k): A = n a n1 a n2 a nk a 11 a 21 a n1 Ανάστροφo * διάνυσμα: T = [ n ] Ανάστροφο μητρώο: A T = Πρόσθεση: + y = Βαθμωτός πολλαπλασιασμός: λ = y 1 1 + y 1 y 2 + y 2 + = A + B = n y n n + y n λ λ λ A = λ n * Συνάρτηση EXCEL: TRANSPOSE(A) όπου A: range (array formula) a 12 a 22 a n2 a 1k a 2k a nk a 11 + b 11 a 12 + b 12 a 1k + b 1k a 21 + b 21 a 22 + b 22 a 2k + b 2k a n1 + b n1 a n2 + b n2 a nk + b nk λ a 11 λ a 12 λ a 1k λ a 21 λ a 22 λ a 2k λ a n1 λ a n2 λ a nk Διανύσματα και μητρώα (2) Πολλαπλασιασμός μητρώων ή/και διανυσμάτων * : n γραμμές A (n k) B (k l) = C (n l) α 11 a 12 a 1k α 21 a 22 a 2k α n1 a n2 a nk b 11 b 12 b 1l b 21 b 22 b 2l = k γραμμές b k1 b k2 b kl k στήλες l στήλες k όπου c ij = air b rj (π.χ. c 21 = a 21 b 11 + a 22 b 21 + + a 2k b k1 ) r = 1 Εσωτερικό γινόμενο διανυσμάτων: <, y> := T y (βαθμωτό μέγεθος) Νόρμα διανύσματος: = <, > 1/2 := ( T ) 1/2 Τετραγωνική μορφή: η συνάρτηση της μορφής f() = <, A > = T A, όπου Α τετραγωνικό συμμετρικό μητρώο και διάνυσμα. Θετικά ορισμένο μητρώο: Ένα τετραγωνικό συμμετρικό μητρώο Α για το οποίο ισχύει <, A > > για κάθε. (Θετικά ημιορισμένο μητρώο: <, A > ) * Συνάρτηση EXCEL: MMULT(A, B), όπου A, B: ranges (array formula) n γραμμές c 11 c 12 c 1l c 21 c 22 c 2l c n1 c n2 c nl l στήλες Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 5

Διανύσματα και μητρώα (3) Ιδιότητες πολλαπλασιασμού μητρώων: A (B C) = (A B) C, (A B) T = B T A T Μοναδιαίο μητρώο (μεγέθους n n): Ι = 1 1 1 Αντίστροφο μητρώο * : Ένα τετραγωνικό μητρώο Α (μεγέθους n n) ονομάζεται ομαλός (nonsingular) αν υπάρχει ένα αντίστροφο μητρώο (συμβολικά Α 1 ) που να ικανοποιεί τη σχέση Α Α 1 = Α 1 Α = Ι Σε αντίθετη περίπτωση το μητρώο Α ονομάζεται ανώμαλο (singular). Ιδιότητα αντιστροφής: (A B) 1 = B 1 A 1 Συστήματα γραμμικών εξισώσεων: Ένα σύστημα n γραμμικών εξισώσεων με n αγνώστους, της μορφής a 11 + a 12 + + a 1n n = b 1 a n1 + a n2 + + a nn n = b n γράφεται σε διανυσματική μορφή: A = b και η λύση του (για ομαλό Α) είναι = A 1 b. * Συνάρτηση EXCEL: MINVERSE(A) όπου Α: range (array formula). Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 6 Ευθείες, επίπεδα και υπερεπίπεδα σε διανυσματικούς χώρους Σημείο: Το διάνυσμα = [,,, n ] T στο χώρο n διαστάσεων παριστάνει (α) ένα σημείο (β) μία διεύθυνση. Ευθεία: Για να οριστεί μια ευθεία (ε) σε χώρο n διαστάσεων απαιτούνται δύο σημεία (p, p 1 ) ή ένα σημείο (p ) και μια διεύθυνση (d). Η εξίσωση της ευθείας δίνεται: 1. Με βάση τα δύο σημεία (p, p 1 ): = (1 β) p + β p 1, όπου β R (για το ευθύγραμμο τμήμα μεταξύ p και p 1, β [, 1]). 2. Με βάση το σημείο (p ) και τη διεύθυνση (d) (παραμετρική μορφή): = p + β d. 3. Με βάση τη σχέση A = b, όπου A μητρώο μεγέθους (n 1) n και b διάνυσμα μεγέθους n 1. Ευθεία σε χώρο 3 διαστάσεων (Υπερ)επίπεδο: Στο χώρο n διαστάσεων μπορούν να οριστούν επίπεδα k διαστάσεων, όπου 1 k n 1 (για k = 1 έχουμε ευθεία). Ένα k-επίπεδο καθορίζεται με τρεις διαφορετικούς τρόπους και έχει τις αντίστοιχες εξισώσεις: 1. Με βάση k + 1 σημεία (p, p 1,, p k ): = P w, όπου P = [p, p 1,, p k ] μητρώο μεγέθους n (k + 1) και w διάνυσμα μεγέθους k + 1 με άθροισμα συνιστωσών ίσο με 1. 2. Παραμετρικά, από την εξίσωση = p + Q, όπου p διάνυσμα μεγέθους n (σημείο στο χώρο n διαστάσεων), διάνυσμα μεγέθους k και Q μητρώο μεγέθους n k. 3. Ως τομή n k διαφορετικών (n 1)-επιπέδων: A = b, όπου A μητρώο μεγέθους (n k) n και b διάνυσμα μεγέθους n k. Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 7 3 p p 1 d ε

Πραγματικές συναρτήσεις διανυσματικής μεταβλητής Πραγματική συνάρτηση διανυσματικής μεταβλητής: f: R n R Παράγωγος ως προς διάνυσμα (της f() ως προς ): df d := f, f,, Τελεστής «ανάδελτα»: :=,,, n Κλίση ή βαθμίδα (gradien): grad(f) := f = f, f,, Δεύτερη παράγωγος ως προς διάνυσμα: d2 f d = T. 2 f 2 2 f 2 f n f n T = T df d f n 2 f 2 f n 2 f 2 2 f n 2 f 2 f 2 n n Η δεύτερη παράγωγος είναι συμμετρικό μητρώο, γνωστό ως Eσσιανό (Hessian) Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 8 Παράδειγμα πραγματικής συνάρτησης διανυσματικής μεταβλητής f(, ).45.4.35.3.2.15.1.5...75..75...75.45-.4-.45.35-.4.3-.35 -.3.2-.15-.2.1-.15.5-.1.-.5.45-.4-.45.35-.4.3-.35 -.3.2-.15-.2.1-.15.5-.1.-.5 Διανυσματική μεταβλητή: = [, ] T (χώρος δύο διαστάσεων) Πραγματική συνάρτηση: f() = (.5) 2 +.5(.5) 2.5(.5)(.5) Το γράφημα της συνάρτησης στο πεδίο ( 1, 1) φαίνεται στα διπλανά σχήματα (πάνω τριδιάστατη προοπτική απεικόνιση, κάτω διδιάστατη απεικόνιση με μορφή ισοτιμικών καμπυλών). Κλίση: grad(f) = f = T df d = f T f, = 1 [2(.5).5 (.5), (.5).5 (.5)] Τ Παραδείγματα τιμών κλίσης: Για = [.6,.3] T, grad(f) = [.3, ] Τ Για = [.65,.75] T, grad(f) = [.175,.175] Τ Τα διανύσματα των δύο παραδειγμάτων έχουν απεικονιστεί στο κάτω σχήμα (πράσινα βέλη). Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 9

Διανυσματικές συναρτήσεις διανυσματικής μεταβλητής Διανυσματική συνάρτηση διανυσματικής μεταβλητής: f: R n R k δηλαδή f() = [f 1 (), f 2 (),, f k ()] Τ όπου οι f 1 (), f 2 (),, f k () είναι πραγματικές συναρτήσεις της διανυσματικής μεταβλητής. (Παράδειγμα: η κλίση grad(f()) της πραγματικής f() είναι διανυσματική συνάρτηση διανυσματικής μεταβλητής.) T f 1 f 1 f 1 n f 2 f 2 f 2 n Παράγωγος της f() ως προς : df d := f 1, f 2,, f k = f k f k f k n Η παράγωγος είναι γνωστή ως Ιακωβιανό (Jacobian) μητρώο. Στοιχειώδεις κανόνες παραγώγισης διανυσματικών συναρτήσεων Συνάρτηση (f) Παράγωγος (df / d) Συνάρτηση (f) Παράγωγος (df / d) a ή a T O n A A A ή A O mn n T B B T ή T I n T T a T a T T C T C + T C T a, : n-διανύσματα A: m n μητρώο Β: n l μητρώο C: n n μητρώο O n : μηδενικό n-διάνυσμα O mn n : μηδενικό mn n μητρώο I n : μοναδιαίο n n μητρώο τα a, A, B, C είναι ανεξάρτητα του. Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 1 3. Πολυδιάστατα προβλήματα βελτιστοποίησης Συνθήκες ακροτάτου χωρίς περιορισμούς Πρόβλημα: Να βρεθεί το σημείο * έτσι ώστε f( * ) = min [f()] Αναγκαίες συνθήκες ελαχίστου: 1. df( * ) d = Ο Τ ( * στάσιμο saionary σημείο) 2. Εσσιανό μητρώο d 2 f( * ) 2 d θετικά ορισμένο. Παρατηρήσεις: Οι παραπάνω συνθήκες είναι και ικανές αν η συνάρτηση είναι κυρτή, δηλαδή το Εσσιανό μητρώο είναι θετικά ορισμένο για κάθε. Σε αυτή την περίπτωση η f() έχει μόνο ένα στάσιμο σημείο που είναι και ολικό (global) ελάχιστο. Διαφορετικά μπορεί η f() να έχει περισσότερα στάσιμα σημεία, καθένα από τα οποία, ανάλογα με τις ιδιότητες του Εσσιανού, μπορεί να είναι τοπικό (local) ελάχιστο ή τοπικό μέγιστο ή τίποτε απ τα δύο. Σε αυτή την περίπτωση η επίλυση του προβλήματος προϋποθέτει την εύρεση όλων των στάσιμων σημείων *i και τη σύγκριση των τιμών f( *i ). Το πρόβλημα της αναζήτησης μεγίστου άμεσα μετατρέπεται σε πρόβλημα αναζήτησης ελαχίστου, δεδομένου ότι ma[ f()] = min[ f()]. Παράδειγμα: f() = (.5) 2 +.5(.5) 2.5(.5)(.5) df d = [2(.5).5 (.5), (.5).5 (.5)] d 2 f d = 2.5.5 1 (θετικά ορισμένο παντού ορίζουσα θετική άρα η συνάρτηση είναι κυρτή) Στάσιμο σημείο: * = [.5,.5] T ολικό ελάχιστο..75...75.45-.4-.45.35-.4.3-.35 -.3.2-.15-.2.1-.15.5-.1.-.5 Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 11

Εξισωτικοί περιορισμοί Πρόβλημα: Να βρεθεί το σημείο * έτσι ώστε f( * ) = min [f(): K] όπου το σύνολο περιορισμών Κ ορίζεται από τη σχέση h( * ) = για δεδομένη διανυσματική (ή πραγματική) συνάρτηση h(). Παραδείγματα: Στα παραδείγματα των σχημάτων εξετάζεται η συνάρτηση f() = (.5) 2 +.5(.5) 2.5(.5)(.5) με διάφορες μορφές εξισωτικών περιορισμών. Ελάχιστο: * [.5,.5] T h()=.5.5= (ευθεία) Ελάχιστο: * = [.5,.5] T h() = 2 2 = (παραβολή)...75.75..75..45-.4-.45.35-.4.3-.35 -.3.2-.15-.2.1-.15.5-.1.-.5 Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 12.75.45-.4-.45.35-.4.3-.35 -.3.2-.15-.2.1-.15.5-.1.-.5 Ανισωτικοί περιορισμοί Πρόβλημα: Να βρεθεί το σημείο * έτσι ώστε f( * ) = min [f(): K] όπου το σύνολο περιορισμών Κ ορίζεται από τη σχέση g( * ) για δεδομένη διανυσματική (ή πραγματική) συνάρτηση g(). Παραδείγματα: Στα παραδείγματα των σχημάτων εξετάζεται η συνάρτηση f() = (.5) 2 +.5(.5) 2.5(.5)(.5) με διάφορες μορφές ανισωτικών περιορισμών. Ελάχιστο Κυρτό σύνολο g 1 ()= +.5 +.5 g 2 ()=.35 g 3 ()= 2 + 2 1 g 1 ()= 2 (.5) 2 + + Μη κυρτό σύνολο Ελάχιστο: * = [.5,.5] T g 2 () = + 2 2...75.75...75.45-.4-.45.35-.4.3-.35 -.3.2-.15-.2.1-.15.5-.1.-.5 Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 13.75.45-.4-.45.35-.4.3-.35 -.3.2-.15-.2.1-.15.5-.1.-.5

Μαθηματικός χειρισμός περιορισμών Αρχικό πρόβλημα με εξισωτικούς περιορισμούς: min f() όπου = [,,, n ] T s.. h() = όπου h() = [h 1 (), h 2 (),, h k ()] T Μετασχηματισμένο πρόβλημα: ma φ(, λ) = f() + λ Τ h() όπου λ = [λ 1, λ 2,, λ k ] T διάνυσμα παραμέτρων που είναι γνωστές ως πολλαπλασιαστές Langrange. Με τον τρόπο αυτό το αρχικό πρόβλημα με περιορισμούς μετατράπηκε σε πρόβλημα χωρίς περιορισμούς, με περισσότερες όμως μεταβλητές (n + k έναντι n). Αρχικό πρόβλημα με ανισωτικούς περιορισμούς: min f() όπου = [,,, n ] T s.. g() όπου g() = [g 1 (), g 2 (),, g k ()] T Μετασχηματισμένο πρόβλημα: 1. Εισάγουμε τις «αδιάφορες» (slack) μεταβλητές r = [r 1, r 2,, r k ] T και τη διανυσματική 2 2 2 συνάρτηση ψ(r) = [r 1, r2,, rk] T για να μετατρέψουμε τους ανισωτικούς σε εξισωτικούς: h(, r) = g() + ψ(r) = 2. Εισάγουμε πολλαπλασιαστές Lagrange λ = [λ 1, λ 2,, λ k ] T και μετατρέπουμε έτσι το αρχικό πρόβλημα σε πρόβλημα χωρίς περιορισμούς: ma φ(, r, λ) = f() + λ Τ g() + λ Τ ψ(r) Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 14 Ειδική περίπτωση: γραμμικός προγραμματισμός f(, ) 2. 1.8 1.6 1.4 1.2.8.6.4.2...75. Προς Ελάχιστο Σύνολο περιορισμών (κυρτό) Προς +.75...75 1.8-2. 1.6-1.8 1.4-1.6 1.2-1.4-1.2.8-.6-.8.4-.6.2-.4.-.2 1.8-2. 1.6-1.8 1.4-1.6 1.2-1.4-1.2.8-.6-.8.4-.6.2-.4.-.2 Γραμμικός προγραμματισμός: Πρόβλημα προσδιορισμού ακροτάτου στο οποίο τόσο η αντικειμενική συνάρτηση f(), όσο και οι περιορισμοί (εξισωτικοί h() και ανισωτικοί g()) είναι γραμμικές συναρτήσεις. Παρατήρηση 1: Αν δεν υπάρχουν περιορισμοί το πρόβλημα δεν έχει λύση (η f() απειρίζεται βλ. διπλανό σχήμα που παριστάνει τη συνάρτηση f() = +.5 +.5). Παρατήρηση 2: Το σύνολο των γραμμικών περιορισμών (εξισωτικών και ανισωτικών) είναι πάντα ένα κυρτό σύνολο που ονομάζεται πολύεδρο (στις δύο διαστάσεις πολύγωνο βλ. διπλανό σχήμα). Παρατήρηση 3: Η λύση του προβλήματος (το ελάχιστο της συνάρτησης) είναι μια κορυφή του πολυέδρου. Κατά συνέπεια το πρόβλημα ανάγεται στη συστηματική πορεία προς αυτή την κορυφή. Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 15

Εφαρμογή στη λύση ελάχιστων τετραγώνων γραμμικών συστημάτων Tο γενικευμένο αντίστροφο μητρώο Πρόβλημα: Το σύστημα γραμμικών εξισώσεων A = b έχει τη μοναδική λύση = A 1 b αν ο αριθμός των εξισώσεων είναι ίσος με τον αριθμό των αγνώστων (δηλαδή το A είναι τετραγωνικό, n n) και επιπλέον το Α είναι ομαλό. Πως μπορεί να βρεθεί μια «λύση», όταν δεν ισχύουν οι προϋποθέσεις αυτές; Περίπτωση 1: Αριθμός εξισώσεων (n) μικρότερος του αριθμού αγνώστων (m) (Εδώ υπάγεται και η περίπτωση που το Α δεν είναι ομαλό, γιατί αυτό σημαίνει ότι μια ή περισσότερες από τις εξισώσεις αποτελούν γραμμικό συνδυασμό άλλων εξισώσεων). Συνθήκες: To A έχει μέγεθος n m, όπου m > n. Υπάρχουν άπειρες λύσεις. Στόχος: Αναζητούμε τη «μικρότερη» δυνατή λύση, δηλαδή αυτή που ελαχιστοποιεί τη νόρμα = ( T ) 1/2 Διατύπωση: min T s.. A b = Αναδιατύπωση χωρίς περιορισμούς: min φ(, λ) = T + λ Τ (A b) Παράγωγος (βλ. στοιχειώδεις κανόνες παραγώγισης): φ = 2 T + λ Τ A, φ λ = A b Στάσιμο σημείο: {2 T = λ Τ A, A = b} Επίλυση: { = ( 1/2) A T λ, A = b} { = ( 1/2) A T λ, ( 1/2)A A T λ = b}. To A A T έχει μέγεθος n n και είναι ομαλό, άρα αντιστρέψιμο. Έτσι η δεύτερη εξίσωση δίνει λ = 2 (A A T ) 1 b και η πρώτη = A T (A A T ) 1 b. Αποδεικνύεται (βλ. π.χ. Marlow, 1993, σ. 263) ότι το Εσσιανό στο σημείο της λύσης είναι Ι και άρα θετικά ορισμένο. Τελική λύση: = A T (A A T ) 1 b (μοναδικό ελάχιστο στο πρόβλημα). Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 16 Εφαρμογή στη λύση ελάχιστων τετραγώνων γραμμικών συστημάτων Tο γενικευμένο αντίστροφο μητρώο (2) Περίπτωση 2: Αριθμός εξισώσεων (n) μεγαλύτερος του αριθμού αγνώστων (m) Συνθήκες: To A έχει μέγεθος n m, όπου m < n. Δεν υπάρχει καμιά (ακριβής) λύση Στόχος: Αναζητούμε μια προσεγγιστική λύση και συγκεκριμένα αυτή που δίνει το μικρότερo δυνατό σφάλμα A b = [(A b) T (A b)] 1/2 = ( T A T A T A T b b T A + b T b) 1/2 Διατύπωση: min f() = T A T A T A T b b T A + b T b Παράγωγος (βλ. στοιχειώδεις κανόνες παραγώγισης): df d = 2 T A T A 2 b T A Στάσιμο σημείο: T A T A = b T A A T A = A T b Επίλυση: To A T A έχει μέγεθος m m και είναι ομαλό, άρα αντιστρέψιμο. Άρα = (A T A) 1 A T b. Αποδεικνύεται (βλ. π.χ. Marlow, 1993, σ. 255) ότι το Εσσιανό στο σημείο της λύσης είναι 2 A T A και άρα θετικά ορισμένο. Τελική λύση: = (A T A) 1 A T b (μοναδικό ελάχιστο στο πρόβλημα). Κωδικοποίηση της λύσης του συστήματος Α = b Σχέση m, n Ομαλό μητρώο Mητρώο C της λύσης = C b m = n B = A C = A 1 (m n) [Κανονικό αντίστροφο] m > n B = A A T (n n) C = A T B 1 (m n) [Δεξιό αντίστροφο ή αντίστροφο ελάχιστης νόρμας] m < n B = A T A (m m) C = B 1 A T (m n) [Αριστερό αντίστροφο ή αντίστροφο ελάχιστων τετραγώνων] Παρατήρηση: Το δεξιό και το αριστερό αντίστροφο ταυτίζονται με το κανονικό όταν m = n. Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 17

4. Εφαρμογή στην προσαρμογή υδρολογικού μοντέλου Γραμμικά συστήματα και μοναδιαίο υδρογράφημα Γραμμικό σύστημα: Ένα σύστημα, του οποίου η είσοδος I() και η έξοδος Q(), όπου ο χρόνος, συνδέονται με γραμμική διαφορική εξίσωση με σταθερούς συντελεστές, δηλ. της μορφής a d n Q n d n + a d n 1 Q n 1 d n 1 + + a dq 1 d + a 1 Q = I όπου a i συντελεστές. Αποδεικνύεται η λύση της εξίσωσης είναι μια συνελικτική σχέση της μορφής Q() = I(τ) U( τ) dτ όπου U() είναι η λεγόμενη συνάρτηση απόκρισης (response funcion) του συστήματος. Γραμμική λεκάνη απορροής: Μια λεκάνη απορροής για την οποία υποτίθεται βάσιμα ότι μπορεί να θεωρηθεί γραμμικό σύστημα ως προς το μετασχηματισμό της ενεργού βροχής σε απορροή. Εν προκειμένω η είσοδος Ι() είναι η καθαρή βροχόπτωση στη λεκάνη (= ολική βροχόπτωση απώλειες κατακράτησης και διήθησης) και Q() είναι η πλημμυρική παροχή σε δεδομένη διατομή του υδατορεύματος. Στιγμιαίο μοναδιαίο υδρογράφημα (ΣΜΥ): Εξ ορισμού είναι η συνάρτηση απόκρισης U(). Το ΣΜΥ αποτελεί την χρονική εξέλιξη της παροχής αν ως εισροή I() θεωρηθεί ένας στιγμιαίος παλμός συνολικού ύψους βροχής Η (κατά σύμβαση Η = 1 cm = 1 mm) που πραγματοποιείται στο χρόνο =. Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 18 Βασικές ιδιότητες του μοναδιαίου υδρογραφήματος Μοναδιαίο υδρογράφημα διάρκειας d: Εξ ορισμού είναι η χρονική εξέλιξη της παροχής U d () αν η εισροή I() θεωρηθεί ένας τετραγωνικός παλμός διάρκειας d και συνολικού ύψους βροχής Η (έντασης Η / d). Καμπύλη S (κατασκευασμένη από το μοναδιαίο υδρογράφημα διάρκειας d): Εξ ορισμού είναι η χρονική εξέλιξη της παροχής S d () αν η εισροή I() θεωρηθεί ότι έχει σταθερή ένταση Η / d για άπειρη διάρκεια, ξεκινώντας από το χρόνο = (αποτελεί επαλληλία άπειρων μοναδιαίων υδρογραφημάτων διάρκειας d). Εμβαδό μοναδιαίου υδρογραφήματος (όγκος απορροής) U ( ), U d( ) d Βροχή H /d Στιγμιαίο μοναδιαίο υδρογράφημα (εμβαδό V = H A ) Μοναδιαίο υδρογράφημα διάρκειας d (εμβαδό V = H A ) T d T V = Ud () d = U() d = H A όπου Α το εμβαδό της λεκάνης, και T d και T οι διάρκειες πλημμύρας για το μοναδιαίο και το στιγμιαίο μοναδιαίο υδρογράφημα, αντίστοιχα. Σχέση στιγμιαίου μοναδιαίου υδρογραφήματος και καμπύλης S: S d () = 1 d U(τ) dτ Σχέση μοναδιαίου υδρογραφήματος και καμπύλης S: U d () = S d () S d ( d) H /d S d( ) d Βροχή Καμπύλη S Η Α d Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 19

Πλημμυρικό υδρογράφημα μετά από τυχούσα βροχόπτωση Εναλλακτική λύση 1, με βάση το στιγμιαίο μοναδιαίο υδρογράφημα (από συνελικτική εξίσωση μειονέκτημα: απαίτηση ολοκλήρωσης). Εναλλακτική λύση 2, με βάση το μοναδιαίο υδρογράφημα διάρκειας d: Διακριτοποιούμε το χρόνο σε διαστήματα Δ j = ( j 1, j ), όπου j j 1 = d, και προσεγγίζουμε το ωφέλιμο υετογράφημα Ι() με μια αλληλουχία σταθερών ανά χρονικό βήμα εντάσεων I j (και υψών Η j = d I j ), οπότε όπου q Q( j ) = Ud ( j + 1 k ) H q k = H Ud ( k ) H j + 1 k k = p p = ma(1, j + 1 n), q = min (j, m), p = ma(1, j + 1 m), q = min (j, n), j = 1, 2,..., n + m 1 ενώ n = T d / d 1 είναι ο αριθμός των τεταγμένων του μοναδιαίου υδρογραφήματος ανά χρονικά διαστήματα μήκους d, m = T H / d είναι ο αριθμός χρονικών διαστημάτων μήκους d στο καθαρό υετογράφημα, T d είναι η διάρκεια του μοναδιαίου υδρογραφήματος διάρκειας d και T H η διάρκεια της καθαρής βροχόπτωσης. k = p Βασική αναλλοίωτη πλημμυρογραφήματος χρόνος υστέρησης: Ο χρόνος υστέρησης ορίζεται L ως η χρονική απόσταση από το κέντρο βάρους του υετογραφήματος μέχρι το κέντρο βάρους του πλημμυρογραφήματος. Αποδεικνύεται ότι ο χρόνος υστέρησης L είναι σταθερός για κάθε πλημμυρογράφημα (με την προϋπόθεση της γραμμικότητας του συστήματος/λεκάνης). H Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 2 Παραμετρική έκφραση του μοναδιαίου υδρογραφήματος T u() Τυποποιημένο στιγμιαίο μοναδιαίο υδρογράφημα: u() = U() / V (Εμβαδό: d = 1) Τυποποιημένη καμπύλη S: s() = S d () (d / V ) (Ιδιότητες: s() = u() d, s() =, s(t ) = 1) Αναλυτικές παραμετρικές εκφράσεις τυποποιημένου στιγμιαίου μοναδιαίου υδρογραφήματος: Παρόμοιες με αυτές των συναρτήσεων πυκνότητας πιθανότητας κωδωνωειδούς μορφής (Nash, 1959, Kousoyiannis, 1989). 1 Παράδειγμα 1 (συνηθέστερη έκφραση): u() = β 1 ep α Γ(β) α Παράδειγμα 2 (απλούστερη έκφραση): u() = β α α β + 1 ep α, s() = u() d, L = α β α β, s() = ep α β, L = α Γ(1 1/β) Έκφραση μοναδιαίου υδρογραφήματος συναρτήσει του τυποποιημένου στιγμιαίου μοναδιαίου υδρογραφήματος: U d () = S d () S d ( d), όπου S d () = s() (V / d) Συνάρτηση EXCEL για τον υπολογισμό της Γ(): EXP(GAMMALN()) Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 21

Eκτίμηση μοναδιαίου υδρογραφήματος και σφάλμα εκτίμησης Σφάλμα εκτίμησης Η σχέση πλημμυρογραφήματος-υετογραφήματος μπορεί να γραφεί υπό μορφή διανυσμάτωνμητρώων με τον ακόλουθο τρόπο A = b όπου διάνυσμα μεγέθους n με i = U d ( i ) (μοναδιαίο υδρογράφημα), b διάνυσμα μεγέθους n + m 1 με b i = Q( i ) (πλημμυρογράφημα), και A μητρώο μεγέθους (n + m 1) n με a ij = H i + 1 j H για i + 1 m j i, a ij = διαφορετικά όπου n ο αριθμός των τεταγμένων του μοναδιαίου υδρογραφήματος, και m ο αριθμός χρονικών διαστημάτων στο καθαρό υετογράφημα. Εφόσον το πλημμυρογράφημα b έχει μετρηθεί, η σχέση A = b δεν μπορεί να ισχύει επακριβώς (υπάρχουν n + m 1 εξισώσεις με n αγνώστους αν το είναι άγνωστο ή με m αγνώστους αν το Α είναι άγνωστο). Επομένως το μέγεθος A b 2 παριστάνει το τετραγωνικό σφάλμα εκτίμησης. Εκτίμηση μοναδιαίου υδρογραφήματος (εκτίμηση του για γνωστά Α και b) 1. Παραμετρική έκφραση μοναδιαίου υδρογραφήματος = (α, β, γ, ) όπου α, β, γ,, παράμετροι. Αντικειμενική συνάρτηση: min f(α, β, γ, ) := A b 2 2. Μη παραμετρική έκφραση μοναδιαίου υδρογραφήματος = (,,, n ) T, όπου όλα τα,,, n αποτελούν αγνώστους. Αντικειμενική συνάρτηση: min f() := A b 2 Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 22 Βασική βιβλιογραφία Αναφορές Βασική βιβλιογραφία Loucks, D. P., Sedinger, J. R., and Haih, D. A., Waer Resource Sysem Planning and Analysis, Prenice-Hall, Englewood Cliffs, 1981. Mays, L. W., and Y.-K. Tung, Hydrosysems Engineering and Managemen McGraw-Hill, New York, 1992. Mays, L. W., and Y.-K. Tung, Sysems analysis, in Waer Resources Handbook, edied by L. W. Mays, McGraw-Hill, New York, 1996. Marlow, W. H., Mahemaics for Operaions Research, Dover Publicaions, New York, 1993. Pierre, D. P., Opimizaion Theory Wih Applicaions, Dover, New York, 1986. Press, W. H., S. A. Teukolsky, W. T. Veerling, and B. P. Flannery, Numerical Recipes in C, Cambridge Universiy Press, Cambridge, 1992. Searle, S. R., Mari Algebra Useful for Saisics, Wiley, 1982. Αναφορές O Donnell, T., Deerminisic cachmen modelling, in River flow modelling and forecasing, edied by D. A. Kraijenhoff, and J. R. Moll, D.Reidel Publishing Company, Dordrech, 1986. Kousoyiannis, D., and Th. Xanhopoulos, On he parameric approach o uni hydrograph idenificaion, Waer Resources Managemen, 3(2), 17-128, 1989. Nash, J. E., Sysemaic deerminaion of uni hydrograph parameers, Journal of Geophysical Research, 64(1), 111-115, 1959. Δ. Κουτσογιάννης, Ανασκόπηση εννοιών μεθόδων βελτιστοποίησης και άλγεβρας μητρώων 23