Cтраница 4
Практика решения задач идентификации показала, что среди существующих методов нелинейного [ программирования для решения подобных задач предпочтительны методы случайного поиска, градиентный метод и его стохастический аналог - метод стохастической аппроксимации. Метод случайного поиска позволяет 8.1. Блок-схема решения за-весьма эффективно исключать до - дачи идентификации методом адап-калыше экстремумы и нахо - тирующейся модели дить решение при достаточно гладких помехах. [46]
Наряду с детерминированными методами поиска экстремума в последнее время обращают на себя внимание и завоевывают все большую популярность методы случайного поиска. Методы подкупают своей простотой, а также некоторыми открывающимися перспективами преодоления проклятия размерности, присущего в значительной степени градиентным методам. [47]
Таким образом, получаются удобные условия для применения любых численных методов поиска экстремумов, например, градиентного метода и метода случайного поиска. Для применения второго нет вообще никаких препятствий; что же касается первого, то здесь необходимы уточнения в связи с видом функций фх и tylt являющихся кусочно-линейными. [48]
Для нахождения численных значений коэффициентов, обращающих в минимум функцию среднеквадратичной погрешности, при решении нелинейных задач иногда удобно использовать методы случайного поиска. Общая идея этих методов состоит в следующем. [49]
Поэтому решение задачи может быть получено одним из приближенных методов: эвристического метода решения задачи, основанного на ряде посылок здравого смысла и технологических ограничений и метода случайного поиска. [50]