Направление - рабочий шаг
Cтраница 1
Направление рабочего шага при этом определяется по правилу F, исходя из полученной таким образом информации. За счет этого такой поиск обладает определенной инерционностью, так как направление поиска W не может значительно изменяться за один шаг, во всяком случае в среднем. Наличие распределения р ( Е, W), определяющего направление шагов поиска, обеспечивает в некотором смысле плавность движения системы, которая воспринимается как инерционность. Система движется по траектории, напоминающей траекторию движения тяжелой точки. [1]
Направление рабочего шага по методу градиента в этом случае будет противоположно тому, который в действительности следует делать. [2]
Направление рабочего шага при этом определяется по правилу F, исходя из полученной таким образом информации. За счет этого такой поиск обладает определенной инерционностью, так как направление поиска W не может значительно изменяться за один шаг, во всяком случае в среднем. Наличие распределения р ( Е, W), определяющего направление шагов поиска, обеспечивает в некотором смысле плавность движения системы, которая воспринимается как инерционность. Система движется по траектории, напоминающей траекторию движения тяжелой точки. [3]
Направление рабочего шага совпадает о нормалью к линиям уровня, а величина шага тем больше, чем больше модуль градиента. [4]
Направление рабочего шага по методу градиента в этом случае будет противоположно тому, который в действительности следует делать. [5]
Недостатки: 1) в общем случае направление рабочих шагов не является оптимальным; 2) при отсутствии УЦВМ и программ самообучения метод существенно менее эффективен, чем методы крутого восхождения и симплексный; 3) малая эффективность в условиях пологих поверхностей отклика. [6]
На рис. 4.1.7 зона неустойчивости заштрихована, а стрелками показаны направления рабочих шагов. [7]
Функция F, таким образом, определяет в некотором смысле наилучшее направление рабочего шага в свете только что полученной информации. Поэтому дальнейший поиск следует направить именно в этом направлении. [8]
Рабочий шаг при этом проводится в направлении градиента, однако величина его определяется не модулем градиента, а условием достижения экстремума в направлении градиента. Направление рабочего шага 5 - 6, например, совпадает с нормалью к линии уровня, а заканчивается этот шаг в точке экстремума поданному направлению, что соответствует касанию линии рабочего шага с соответствующей линией уровня. Из рис. 12.11 видно, что шаг 6 - 7 значительно больше, чем шаг 5 - 6, хотя модуль градиента для точки 5 больше, чем для точки 6, о чем можно судить по расстоянию между линиями уровня. [9]
Рабочий шаг при этом проводится в направлении градиента, однако величина его определяется не модулем градиента, а условием достижения экстремума в направлении градиента. Направление рабочего шага 5 - 6, например, совпадает с нормалью к линии уровня, а заканчивается этот шаг в точке экстр емума по данному направлению, что соответствует касанию линии рабочего шага с соответствующей линией уровня. [10]
 |
Метод наискорейшего спуска ( а и примеры его применения ( б, в. [11] |
Метод градиента следует считать линейным методом, дающим возможность двигаться точно в направлении, обратном градиентному, лишь для объектов с линейной функцией качества. В противном случае направление рабочего шага производится не в наилучшем направлении, так как пробный шаг Ал - вдоль t - й координаты не может быть сколь угодно малым. [12]
Если функцию качества с достаточной точностью можно считать линейной, то возможно некоторое улучшение алгоритма. Для этого нужно принимать решение о направлении рабочего шага не только по результату лучшей пробы, но и принимать во внимание наихудшую пробу. Если модуль приращения функции качества при наихудшей пробе больше модуля приращения функции качества при наилучшей пробе, то рабочий шаг следует делать в направлении, обратном направлению наихудшей пробы. [13]
Методы случайного поиска отличаются от регулярных ( детерминированных) методов оптимизации намеренным введением элемента случайности. Это означает, что в одной и той же обстановке решение о направлении рабочего шага, принятое по методу случайного поиска, будет разным. Однако подобное случайное поведение является не только целесообразным, но в большом числе случаев и более эффективным, чем регулярное поведение. [14]
В случае, когда величина Q неизвестна, ее можно оце-вить адаптивным образом. Основная идея здесь сводится к следующему. Если направления рабочих шагов изменяются, то при. [15]
Страницы: 1 2