Cтраница 3
В этом аспекте для многомерных задач следует отдать предпочтение методам случайного поиска перед детерминированными. [31]
Иногда следует сочетать градиентные методы поиска экстремума функции SP с методами случайного поиска. Общая их идея заключается в следующем. [32]
Ввиду обилия допустимых структур S решение задачи адаптации целесообразно производить методами случайного поиска. [33]
В описанных вариантах а), б), в) метода случайного поиска предполагается, что закон распределения случайного вектора не зависит от номера итераций. Такой поиск называют случайным поиском без обучения. Алгоритмы случайного поиска без обучения не обладают способностью анализировать результаты предыдущих итераций и выделять направления, более перспективные в смысле убывания минимизируемой функции, и сходятся, вообще говоря, медленно. [34]
В ряде случаев при решении задач нелинейного программирования оказываются полезными так называемые методы случайного поиска, состоящие в том, что вместо упорядоченного перебора возможных вариантов решения применяется случайный розыгрыш. [35]
При большом числе переменных выгодным оказывается применение алгоритмов, основанных на методе случайного поиска. Идея случайного поиска очень проста. [36]
Последняя группа методов, которые мы рассмотрим в данном параграфе, объединяет методы случайного поиска. [37]
Оптимизацию задач такого рода, обладающих статистическими критериями, очень удобно проводить методами случайного поиска с управлением плотностью испытаний, так как сама природа существования разброса исходных данных предполагает возможность управления плотностью распределения испытаний. [38]
Для решения некоторых задач компоновки, как указано в [80], целесообразно использовать методы случайного поиска. [39]
В литературе много внимания уделяется широкому классу приближенных методов, объединенных общим названием методы случайного поиска. Неуправляемый случайный поиск малоперс-лективен. [40]
Отсюда следует, что при оптимизации сложных многопараметрических схем целесообразно применять на начальных этапах оптимизации методы случайного поиска, а заканчивать оптимизацию градиентными методами. [41]
Методы второго Класса, в свою очередь, подразделяются на три группы: детерминированные методы, методы случайного поиска и методы, использующие специфику задачи. Имеются, ко неч-но, и комбинированные методы, основанные на сочетании идей методов разных групп. [42]
Максимальные значения критериев дискриминации обычно находят методами нелинейного программирования: градиентными, симплексными, а также методами случайного поиска. При этом рациональный поиск может быть выполнен только с применением вычислительных машин, обладающих высоким быстродействием и большой памятью. [43]
Многочисленные методы поиска решений могут быть объеди нены в три основные группы, первую из которых составляют методы случайного поиска, вторую - методы направленного поиска, третью - комбинированные методы. [44]
Максимальные значения критериев дискриминации обычно находят методами нелинейного программирования, например градиентными, симплексными, а также методами случайного поиска. При этом рациональный поиск может быть выполнен только с применением вычислительных машин, обладающих высоким быстродействием и большой памятью. [45]