Метод - случайный поиск
Cтраница 3
Другим достоинством метода случайного поиска перед детерминированными методами является пригодность его при наличии нескольких экстремумов, из которых необходимо найти глобальный ( максимум максиморум в случае поиска максимума), а также при наличии особых точек, в которых градиент / обращается в нуль. [31]
Основная идея методов случайного поиска заключается в том, чтобы перебором случайных совокупностей значений независимых переменных найти оптимум целевой функции или направление движения к нему. [32]
При реализации методов случайного поиска нужно иметь возможность получать наборы случайных чисел, равномерно распределенных на некотором числовом интервале. [33]
При реализации методом случайного поиска нужно иметь воз можность получать наборы случайных чисел, равномерно распреде ленных на некотором числовом отрезке. [34]
Таким образом, метод случайного поиска с линейной тактикой по ряду критериев и соображений является более предпочтительным по сравнению с методом наискорейшего спуска. [35]
Случайный поиск, Метод случайного поиска, назывемый также методом Монте-Карло, основан на том, что при одном и том же числе испытаний вероятность получения решения, близкого к оптимальному, при случайном поиске больше, чем при последовательном переборе через равные интервалы изменения отдельных параметров. [36]
Существует значительное число методов случайного поиска [8], из которых далее описаны лишь некоторые, наиболее распространенные. Общим для всех методов случайного поиска является применение случайных чисел в процессе поиска. Подробные сведения о свойствах случайных чисел и их последовательностей можно найти в специальной литературе [9], а ниже приведены лишь самые необходимые сведения, используемые при рассмотрении изложенных в этом разделе методов. [37]
В одном из методов случайного поиска, например, система делает шаг в пространстве переменных постоянной длины в случайном направлении. Если оптимизируемая функция в результате этого шага возрастает, то система проводит аналогично очередной шаг. Если же оптимизируемая функция уменьшилась, то система возвращается в точку, откуда был сделан шаг, и снова в случайном направлении изменяет вектор управляющих координат. В многомерных системах число шагов для достижения оптимума при случайном поиске сравнимо с числом шагом при наискорейшем спуске и методе градиента, относящихся к регулярным методам поиска. [38]
Для увеличения эффективности метода случайного поиска желательно, чтобы в алгоритме (2.26) целенаправленно изменялся закон распределения со в зависимости от номера шага и от результатов предыдущих шагов. Такой поиск, обеспечивающий большую вероятность выбора перспективных направлений сог убывания функции (2.21), называется случайным поиском с обучением. [39]
Существует значительное число методов случайного поиска N, из которых далее описаны лишь некоторые, наиболее распространенные. Общим для всех методов случайного поиска является применение случайных чисел в процессе поиска. [40]
Читателей, интересующихся методом случайного поиска и его многочисленными приложениями, мы отсылаем к книге Л. А. Растригина [87], который внес существенный вклад в разработку метода случайного поиска. [41]
Читателей, интересующихся методом случайного поиска и его многочисленными приложениями, мы отсылаем к книге Л.А. Растриги-на [87], который внес существенный вклад в разработку метода случайного поиска. [42]
Точность уравновешивания ротора методом случайного поиска зависит только от разрешающей способности приборов, регистрирующих вибрации. [43]
 |
Графическая интерпретация поиска оптимума симплекс-методом.| Графическая интерпретация поиска оптимума методом крутого восхождения. [44] |
Существует большое число разновидностей метода случайного поиска, но всех их объединяет применение случайного вектора е, имеющего равновероятную возможность принимать различные направления в исследуемом пространстве переменных. Для формирования случайного вектора используются случайные числа. [45]
Страницы: 1 2 3 4