Градиентная метода

Cтраница 3

Оптимизация реализуется численными градиентными методами в пространстве параметров D и ЕО. [31]

Если в градиентных методах при выборе направления убывания функции (2.21) используется лишь линейная часть ее разложения в ряд Тейлора, то в методе Ньютона используется квадратичная часть этого разложения. Возможность ускорения сходимости связана с тем, что квадратичная часть разложения аппроксимирует функцию гораздо точнее, чем линейная. [32]

Известно, что градиентные методы не очень эффективны при целевых функциях с узкими оврагами ( или гребнями) вследствие быстрого изменения направления вектор-градиентов. Можно ожидать, что в этих случаях метод Ньютона - Рафсона также будет неэффективным. [33]

Иногда следует сочетать градиентные методы поиска экстремума функции SP с методами случайного поиска. Общая их идея заключается в следующем. [34]

При достаточно малом шаге градиентные методы сходятся к решению при выполнении тех же предложений, что и в теореме существования и единственности. [35]

Зависимости изменения расчетных затрат ДЗ по паротурбинному блоку, температуры стенки ст и скорости пара wu в промежуточном пароперегревателе от давления промежуточного перегрева пара рШ1. [36]

К первому способу относятся дифференциальные градиентные методы, или методы с малым шагом. Они могут быть использованы для решения задач оптимизации в случае задания ограничений в виде системы равенств. [37]

На этой идее основаны градиентные методы поиска экстремальных точек. Движение ПО градиенту или под острым углом к градиенту увеличивает значение целевой функции. [38]

Процесс многофакторного поиска оптимума градиентными методами начинается с выбора в факторном пространстве исходной точки поиска. Данная процедура не является формализованной. Поэтому решение о выборе координат исходной точки полностью зависит от информации об оптимизируемом процессе или объекте, которая имеется в распоряжении исследователя, а также от интуиции и опыта последнего. [39]

Методы первого порядка являются градиентными методами. В градиентных методах используются значения целевой функции и ее первых частных производных по управляемым параметрам. [40]

Известно, однако, что градиентные методы слишком универсальны, чтобы быть полезными во всех конкретных задачах, и скорейшими они могут быть названы лишь теоретически. [41]

Несмотря на существующие различия между градиентными методами, последовательность операций при поиске оптимума в большинстве случаев одинакова и сводится к следующему: а) выбирается базисная точка; б) определяется направление движения от базисной точки; в) находится размер шага; г) определяется следующая точка поиска; д) значение целевой функции в данной точке сравнивается с ее значением в предыдущей точке; е) вновь определяется направление движения и процедура повторяется до достижения оптимального значения. [42]

Геометрическая интерпрета-ция метода оврага. [43]

Более того, в ряде случаев градиентные методы не позволяют найти даже локальных экстремумов. [44]

Предполагаемый характер линий уровня критерия оптимальности ( целевой функции и ограничивающего условия. [45]

Страницы: 1 2 3 4