Cтраница 3
Метод случайного поиска является прямым развитием известного метода проб и ошибок, когда решение ищется случайно, и при удаче принимается, а при неудаче отвергается с тем, чтобы немедленно снова обратиться к случайности как к источнику возможностей. Такое случайное поведение разумно опирается на уверенность, что случайность содержит в себе все возможности, в том числе и искомое решение во всех его вариантах. [31]
Преимущество случайного поиска состоит также и в том, что этот метод легок в понимании и реализации. Иногда трудно представить, как реализовать для конкретной задачи метод восхождения на холм, минимальной стоимости или приведенной прибыли. Но всегда легко генерировать регтюния наугад. Даже для решения крайне сложных задач случайный поиск является наиболее простым методом. [32]
Метод случайного поиска в отличие от ранее рассмотренных методов характеризуется намеренным введением элемента случайности в алгоритм поиска. [33]
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. [34]
Метод случайного поиска является прямым развитием известного метода проб и ошибок, когда решение ищется случайно, и при удаче принимается, а при неудаче отвергается с тем, чтобы немедленно снова обратиться к случайности как к источнику возможностей. Такое случайное поведение разумно опирается на уверенность, что случайность содержит в себе все возможности, в том числе и искомое решение во всех его вариантах. [35]
Метод случайного поиска, называемый также методом Монте-Карло, основан на том, что при одном и том же числе испытаний вероятность получения решения, близкого к оптимальному, при случайном поиске больше, чем при последовательном переборе через равные интервалы изменения отдельных параметров. [36]
Алгоритм случайного поиска по наилучшей пробе состоит в следующем. [37]
Метод случайного поиска основан на том, - что из каждой точки Zn i делается шаг, представляющий собой случайный вектор Vn. В полученной точке Zn - Zn 1 - - Vn-производится одно наблюдение случайной величины У. В соответствии с результатом этого наблюдения Уп формируется распределение следующего шага Vn i. При Y п Yn i распределение шага Vn 1 выбирается так, чтобы вероятность шага Vn l, близкого по направлению к К ( т.е. вероятность, сделать следующий шаг в направлении, близком к тому, в котором была получена неудача), была малой. [38]
Метод случайного поиска достаточно прост, позволяет ебо-зреть всю область возможных значений параметров синтеза, но требует выполнения очень большого объема вычислений. Число просчитываемых вариантов иногда достигает десятков и даже сотен тысяч. [39]
Метод случайного поиска при оптимальном проектировании позволяет со сравнительно небольшими затратами машинного времени определить экстремум функции большого числа переменных. Достоинством этого метода является то, что, кроме необходимости существования в рассматриваемой области единственного локального экстремума, он не предъявляет существенных требований ни к виду множества параметров, по которым отыскивается оптимальное значение, ни к виду зависимостей, связывающих выбираемые параметры с оптимизирующим критерием и ограничениями. [40]
Алгоритм случайного поиска с линейной тактикой можно сравнить с ночным спуском по каменистому склону, когда вероятность правильного выбора общего направления велика и случайные шаги делаются только для обхода каких-то камней. При использовании же алгоритма с нелинейной тактикой подсказывающей правильное направление информации нет, и двигаться приходится на ощупь, вслепую. [41]
Метод случайного поиска основан на том, что из каждой точки Zn-i делается шаг, представляющий собой случайный вектор Vn. В полученной точке Zn Zn-i Vn производится одно наблюдение случайной величины Y. В соответствии с результатом этого наблюдения Yn формируется распределение следующего шага Vn i. Если Yn Yn-i, то распределение шага Vn i выбирается так, чтобы вероятность шага V i, близкого по направлению к Vn ( т.е., вероятность сделать следующий шаг в направлении, близком к тому, в котором была получена удача), была достаточно велика. При Yn Уп - распределение шага Vn i выбирается так, чтобы вероятность шага Vn, близкого по направлению к Vn ( т.е. вероятность сделать следующий шаг в направлении, близком к тому, в котором была получена неудача), была малой. [42]
Всемогущество случайного поиска имеет, как я понимаю, те же корни, что и всемогущество метода Монте-Карло. По-видимому, случайный поиск сродни методу Монте-Карло. [43]
Методами случайного поиска, особенно при использовании алгоритмов с самообучением, могут решаться довольно сложные задачи. Наиболее эффективно использование случайных методов при большом числе регулируемых параметров. Исследования, проведенные Л. А. Растригиным [38], показали, что градиентный и случайный методы поиска имеют одинаковую эффективность при трех регулируемых параметрах. При меньшем числе параметров более эффективен регулярный поиск, при большем - случайный. Однако выбор метода поиска необходимо производить обязательно с учетом объекта регулирования и условий работы. [44]
Метод случайного поиска имеет два преимущества. Во-первых, он пригоден для любой целевой функции независимо от того, является она унимодальной или нет. Во-вторых, вероятность успеха при попытках не зависит от размерности рассматриваемого пространства. Хотя этот метод не позволяет непосредственно найти оптимальное решение, он создает подходящие предпосылки для применения в дальнейшем других методов поиска. Поэтому его часто применяют в сочетании с одним или несколькими методами других типов. [45]