Cтраница 3
Сведение исходной задачи условной оптимизации к последовательности задач безусловной оптимизации может быть выполнено с помощью функций штрафа. [31]
Вообще задачи условной оптимизации более сложны, чем задачи безусловной оптимизации. Для их решения используют специально разработанные методы программирования с ограничениями. Одним из таких методов, которые относятся к методам поиска глобального экстремума, является метод сканирования, состоящий в том, что допустимая область поиска, определяемая системой ограничений, разбивается на k подобластей, в центре каждой из которых определяется значение целевой функции. Если целевая функция зависит от п параметров, необходимо выполнить kK вариантов расчета. Для надежного определения глобального минимума необходимо увеличивать число k подобластей, что приводит к большим затратам машинного времени. [32]
Ясно, что критерий (2.12) относится лишь к задачам безусловной оптимизации. В задаче условной оптимизации критерий (2.12) следует заменить на критерий е-стацио-нарности, соответствующий данной задаче. [33]
Классы методов безусловной оптимизации. [34] |
Задача условной оптимизации (3.16) может быть сформулирована как задача безусловной оптимизации с помощью методов Лагранжа или штрафных функций. Тогда применяются методы безусловной оптимизации. [35]
Классификация методов оптимизации ХТС. [36] |
С точки зрения типа вычислений на каждой итерации прямые методы безусловной оптимизации подразделяются на методы, требующие: 1) вычисления только минимизируемой функции ( безградиентные методы); 2) расчета первых производных ( градиентные); 3) вычисления первых и вторых производных. [37]
Этот метод является модификацией на случай условных задач градиентного метода безусловной оптимизации ( см. § 1 гл. [38]
В зависимости от типа искомого экстремума различают методы локальной и глобальной, условной и безусловной оптимизации. Практически - используемые методы, как правило, являются методами локального поиска. [39]
Метод наискорейшего спуска. [40] |
Решение задач математического программирования значительно более трудоемко по сравнению с задачами безусловной оптимизации. Ограничения типа равенств или неравенств требуют их учета на каждом шаге оптимизации. [41]
Непрямые методы стохастической оптимизации в определенной степени являются стохастическими аналогами методов нелинейной безусловной оптимизации и в отличие от других методов стохастической оптимизации наиболее трудоемки с вычислительной точки зрения, но, если необходимо найти приемлемый район экстремума целевой функции за небольшое число обращений к ней, эти методы весьма эффективны. [42]
В соответствии с делением экстремумов на условные и безусловные различают методы условной и безусловной оптимизации. Методы безусловной оптимизации могут быть применены к поиску условных экстремумов. Основным методом сведения задач условной оптимизации к безусловной является метод штрафных функций [49], та же цель достигается и при использовании мак-симинного критерия. В последнем случае каждое из ограничений на управляемые параметры представляется как условие работоспособности с соответствующим запасом. [43]
Поиск экстремума целевой функции ф ( х) может осуществляться любым методом безусловной оптимизации. [44]
Очевидно, что при этом необходимо иметь в распоряжении эффективные численные методы безусловной оптимизации. Метод наискорейшего спуска-введенный в разд. [45]