Градиентная метода - оптимизация
Cтраница 1
Градиентные методы оптимизации относятся к численным методам поискового типа. Эти методы универсальны, хорошо приспособлены для современных цифровых вычислительных машин и весьма эффективны в большинстве случаев поиска экстремального значения нелинейных функций с ограничениями и без них, а также, когда функция вообще аналитически неизвестна. Вследствие этого градиентные или поисковые методы широко применяются на практике. [1]
Градиентные методы оптимизации относятся к численным методам поискового типа. [2]
 |
Определение общего минимального объема изотермического каскада реакторов. [3] |
Градиентные методы оптимизации относятся к численным методам поискового типа. Эти методы универсальны, хорошо приспособлены для современных цифровых вычислительных машин и весьма эффективны в большинстве случаев поиска экстремального значения нелинейных функций с ограничениями и без них, а также, когда функция вообще аналитически неизвестна. Вследствие этого градиентные или поисковые методы широко применяются на практике. [4]
Градиентные методы оптимизации относятся к численным методам поискового типа. Эти методы универсальны, хорошо приспособлены для современных цифровых вычислительных машин и весьма эффективны в большинстве случаев поиска экстремального значения нелинейных функций с ограничениями и без них, а также, когда функция вообще аналитически неизвестна. Вследствие этого градиентные, или поисковые, методы широко применяются на практике. [5]
Градиентные методы оптимизации относятся к численным методам поискового типа. Эти методы универсальны, хорошо приспособлены для современных цифровых вычислительных машш и весьма эффективны в большинстве случаев поиска экстремального значения нелинейных ( функций с ограничениями и бев них, а также, когда функция вообще аналитически неизвестна. Вследствие этого поисковые методы широко применяются на практике. [6]
В задачах с нелинейными функциями многих переменных часто используется метод множителей Лагранжа, динамическое программирование и градиентные методы оптимизации. При математическом моделировании работу транспортно-складской системы описывают с помощью методов статистического моделирования, например метода Монте-Карло. [7]
Производные для функции дели / не всегда можно вычислить в явной форме, а значит, и использовать градиентные методы оптимизации. Такая ситуация возникает, когда функционал разрывен или недифференцируем, например для функционалов, которые формулируются с помощью логических операций. [8]
В рассматриваемой экстремальной задаче функционал является нелинейной функцией независимых переменных. Поэтому задача относится к задачам нелинейного программирования. Вышерассмотренные градиентные методы оптимизации оказались непригодными для поиска глобального экстремума, так как часть переменных (, dBH, Zi и Zz) дискретна и, кроме того, имеются локальные экстремумы. В каждом узле рассчитывалось значение функционала, при этом отбрасывались из расчета узлы, не удовлетворявшие вышеприведенным ограничениям, налагаемым на зависимые и независимые переменные. [9]
Страницы: 1