Метод - покоординатный спуск
Cтраница 1
Метод покоординатного спуска характеризуется выбором направлений поиска поочередно вдоль всех п координатных осей, шаг рассчитывается на основе одномерной оптимизации, критерий окончания поиска Хк - Xt J 8, где s - заданная точность определения локального экстремума, л - размерность пространства управляемых параметров. Очевидно, что Э есть точка минимума. [1]
Метод покоординатного спуска ( релаксационный метод) отличается от метода наискорейшего спуска тем, что в итерационном процессе участвуют не все компоненты вектора решения системы уравнений. [2]
Метод покоординатного спуска не требует вычислений производных функции качества и на каждом шаге предполагает решение одномерной задачи оптимизации. [3]
Наконец, метод случайного покоординатного спуска часто используют в сочетании с другими приемами, образуя так называемые гибридные методы. [4]
 |
Определение точки минимума функции 3 ( Х методом покоординатного спуска. [5] |
Графическая интерпретация метода покоординатного спуска для простейшего случая минимизации функции двух переменных показана на - рис. 3.3. Как следует из этого рисунка, число необходимых циклов зависит, в частности, от удачного выбора первого направле-х ния спуска. [6]
 |
Структурограмма метода покоординатного спуска. [7] |
К достоинствам метода покоординатного спуска следует отнести возможность использования простых алгоритмов одномерной оптимизации. [8]
 |
Поиск экстремума. [9] |
Таким образом, метод покоординатного спуска, по существу, представляет собой последовательное чередование одномерных поисков вдоль всех координатных осей, но в результате осуществляется многомерный поиск. [10]
Таким образом, метод покоординатного спуска сводит задачу о нахождении наименьшего значения функции многих переменных к многократному решению одномер-ных задач оптимизации по каждому проектному параметру. [11]
Имеющийся опыт применения метода покоординатного спуска показывает, что по условию сходимости он при малом числе переменных может дать лучшие результаты, чем градиентный метод. Однако при решении задач с большим числом переменных и сложной системой ограничений метод покоординатного спуска существенно уступает градиентному методу. [12]
Решение этой задачи методом покоординатного спуска может быть получено стандартным способом при использовании приведенной стоимости для каждого элемента по следующему правилу. [13]
Задача 1а решается методом группового покоординатного спуска. В отличие от обычного метода покоординатного спуска, в котором оптимизация ведется пбсле-довательно по каждой переменной, в групповом методе покоординатного спуска оптимизация осуществляется последовательно по группам переменных. В качестве отдельных групп переменных в данном случае берутся переменные, относящиеся к отдельным блокам. [14]
Решение задачи 1а проводится методом группового покоординатного спуска, в котором все оптимизирующие переменные делятся на две группы. К первой группе относятся все управления, а ко второй - все входные промежуточные переменные. [15]
Страницы: 1 2 3 4