Метода - случайный поиск
Cтраница 2
В настоящее время получил распространение метод случайного поиска, лишенный указанного выше - недостатка. [16]
 |
Глобальный и локальный максимумы [ IMAGE ] Принципиальная схема адаптивной АСР. [17] |
В настоящее время получил распространение метод случайного поиска, лишенный указанного выше недостатка. [18]
Система управления, работающая по методу случайного поиска, обладает ценными свойствами. Случайность выбора направления движения исполнительных механизмов обеспечивает независимость работы системы на любых скоростях. По этой же причине система управления не требует измерения фаз при изменении скорости вращения. Принципиально она может работать с аппаратурой, показывающей только наличие вибраций опор и изменение их амплитуд. При этом не требуется высокой точности измерений. Система может следить за изменениями неуравновешенности в процессе работы и автоматически обеспечивает ее устранение. [19]
Несмотря на ряд очевидных преимуществ, методы случайного поиска не исключают необходимости использования в процессе численной реализации оптимизационных задач регулярных поисковых процедур. Так, если dimx5 и свойства функций моделей оптимизации достаточно просты, регулярный поиск по сравнению со случайным оказывается более быстродействующим. Особенно в таких задачах, где градиенты функций могут быть вычислены по аналитическим выражениям. Отдельные задачи решены методами теории планирования многофакторных экспериментов. Все использованные методы достаточно хорошо известны и подробно обсуждены в тех публикациях, на которые сделаны соответствующие ссылки. [20]
Между тем ясно, что от метода случайного поиска можно ожидать большей эффективности, если на каждой итерации учитывать накопленный опыт поиска минимума на предыдущих итерациях и перестраивать вероятностные свойства поиска так, чтобы направления, более перспективные в смысле убывания функции, становились более вероятными. Иначе говоря, желательно иметь алгоритмы случайного поиска, которые обладают способностью к самообучению и самоусовершенствованию в процессе поиска минимума в зависимости от конкретных особенностей минимизируемой функции. Обучение алгоритма осуществляют посредством целенаправленного изменения закона распределения случайного вектора в зависимости от номера итерации и результатов предыдущих итераций таким образом, чтобы хорошие направления, по - которым функция убывает, стали более вероятными, а другие направления - менее вероятными. Таким образом, на различных этапах метода случайного поиска с обучением приходится иметь дело с реализациями случайных векторов с различными законами распределения. [21]
Сц, которые отыскиваются регулятором по методу случайного поиска. [22]
Переходя от методов детерминированного поиска к методам случайного поиска, прежде всего надо сказать несколько слов о методе Монте-Карло. С помощью этого метода можно воспроизвести схему отбора значений случайной переменной, распределение вероятностей которой соответствует тому или иному заданному закону ( Гаусса, равномерного распределения и пр. Для этой же цели служит таблица так называемых случайных чисел ( табл. 15), составленная в соответствии с законом равномерного распределения вероятностей. Иначе говоря, если ноль и все числа натурального ряда, скажем, до 10 000 включительно, написать на лотерейных билетах и случайно извлекать последние из урны один за другим, возвращая их обратно и записывая результат, мы получили бы пятизначную таблицу случайных чисел. В действительности, псевдослучайные 1 числа выдает особая подпрограмма ( датчик) на электронной машине в ходе решения задачи или, при более скромных масштабах вычислений, пользуются готовой таблицей. [23]
 |
Сравнение метода градиента и. [24] |
Представляет интерес сравнение градиентных методов с методами случайного поиска, поскольку последние относительно просто реализуются на вычислительных машинах. [25]
В отличие от детерминированных методов в методах случайного поиска направления поиска выбираются случайными на основе генерации в ЭВМ псевдослучайных чисел посредством специальных программ. [26]
Кроме приведенных выше методов регулярного поиска существуют методы случайного поиска, в которых преднамеренно вводится элемент случайности при просмотре объекта. [27]
Метод многофакторного анализа во многом схож с методой случайного поиска и также предполагает выбор интервалов из менения переменных. Пары значений переменных формируются ггу-тем объединения каждого значения tya каждым значением, что дает некоторое конечное множество точек. [28]
В отличие от детерминированных методов поиска, по методу случайного поиска изменение текущего значения xft) зависит от некоторой случайной величины. [29]
В [55] проведено аналитическое сравнение эффективности градиентного метода и метода случайного поиска с постоянным одинаковым рабочим шагом для случаев, когда 3 ( Х) - линейная функция и 3 ( Х) - квадратичная функция. [30]
Страницы: 1 2 3 4