Слепой поиск

Cтраница 2

Первый способ, называемый слепым поиском, аналогичен методу прямого перебора с той лишь разницей, что перебор множества допустимых состояний оптимизируемого объекта осуществляется не по узлам координатной сетки, а случайным образом в области допустимых значений входных параметров. При слепом поиске оптимум ищется сразу и может быть найден при любом шаге, но априорная вероятность этого события очень мала. [16]

Анализ возможностей использования двух методов слепого поиска для решения многофакторных экстремальных задач показал, с одной стороны, ряд их положительных свойств, а с другой - ограниченность их применения кругом задач с небольшим числом оптимизируемых параметров. Второй весьма важной областью применения методов слепого поиска является их использование в алгоритмах, сочетающих в себе ряд методов, в частности для определения абсолютного оптимума в многоэкстремальных задачах и для оптимизации дискретно изменяющихся параметров. [17]

Таким образом, в методе слепого поиска число требуемых вычислений значений целевой функции весьма резко увеличивается с возрастанием размерности решаемой задачи. Аналогичные проблемы уже встречались при рассмотрении поиска оптимума методом сканирования, где для устранения трудностей с размерностью иногда может использоваться поиск с переменным шагом сканирования. Точно такой же прием можно применить и в методе слепого поиска, если после выполнения определенной серии проб дальнейший поиск ( уточнение) производить в некоторой суженной области, охватывающей найденную в предыдущей серии точку наименьшего ( наибольшего) значения функции цели. При этом вероятность попадания в заданную Д - окрестность оптимума возрастает, за счет чего можно существенно сократить общий объем вычислений. [18]

Синтез позволяет, отказавшись от слепого поиска наилучшего варианта, существенно сократить время проектирования, и главное, гарантировать то, что найденная система действительно является наилучшей из возможных. При использовании анализа ( перебора вариантов) этого принципиально нельзя сделать, ибо проектировщик не может быть уверен, что рассмотрел все возможные варианты. [19]

Зависимость Тпе. р - F ( H для трех испытуемых 1 - 7 0 43 0 248Я. 2 - Тпер0 38 - - 0 213Я ( средняя. 3 - Гпер0 227 0 257 / /. 4 - Тпер 0 205 W. [20]

Количественная мера информации, полученная для слепого поиска и использующая структурные схемы, пригодна и для одновременного предъявления всей информации. [21]

Методы поиска в глубину и ширину называют слепым поиском, поскольку в этих методах порядок раскрытия вершин предопределен и никак не зависит от расположения цели. [22]

Использование описанного подхода для иерархии примитивов избавляет от слепого поиска и анализа точек пересечения трассирующего луча с заведомо невидимыми примитивами и комбинациями примитивов и сокращает время вычислений в несколько раз. При этом эффект от использования оболочек становится тем ощутимее, чем больше примитивов в составе объекта и сложнее их конструкция. [23]

Методы поиска в глубину и ширину назьь вают слепым поиском, поскольку в этих методах порядок раскрытия вершин предопределен и никак - не зависит от расположения цели. При увеличении пространства поиска методы слепого поиска требуют чрезмерных затрат времени и ( или) памяти. Стремление сократить время поиска привело к созданию эвристических методов поиска, т.е. методов, использующих некоторую информацию о проблемной области для рассмотрения не всего пространства поиска, а таких путей в нем, которые с наибольшей вероятностью приводят к цели. Один способ сокращения перебора состоит в выборе более информированного оператора, который не строит так много вершин, не относящихся к делу. Другой способ состоит в использовании эвристической информации для определения на каждом шаге дальнейшего направления перебора. Для этого необходимо ввести меру перспективности вершины в виде некоторой оценочной функции. В некоторых случаях удается ввести такую оценочную функцию, что она, сокращая перебор, не теряет свойства полноты. Чаще же используемые эвристики, сильно сокращая перебор, влекут за собой потерю свойства полноты. Как правило, оценочные функции пытаются количественно оценить расстояние от текущей вершины до конечной. Из двух вершин при одинаковой глубине перспективней та, от которой меньше расстояние до цели. Для многих приложений, в частости для экспертных систем, применение количественных оценок не позволяет эффективно направлять процесс поиска. [24]

На рис. П-20, а показана одна из форм слепого поиска - сканирование, при котором точки области одна за другой просматриваются в определенном порядке, например строчка за строчкой. Слепой поиск пригоден лишь для сравнительно простых случаев, и область его применения ограничена. [25]

Траектория оптимизации при работе овражного метода на одномерном овраге. [26]

Метод оврагов является, по сути дела, комбинацией случайного слепого поиска и одного из локальных методов оптимизации. Локальный поиск приводит ко дну оврага, где он перестает действовать эффективно. Делая локальные спуски из случайно выбранных исходных точек, можно получить точки на дне оврага, количество которых равно числу спусков. [27]

Следует заметить, что при h 0 будем иметь алгоритм слепого поиска, например метод ветвей и границ или метод постоянной стоимости. Следовательно, эти алгоритмы могут рассматриваться как частные случаи более общего алгоритма. [28]

Точка а на 1 - м этапе алгоритма ищется методом слепого поиска, когда испытываемые значения ос независимы и равномерно распределены в R0, а в качестве точки а берется ближайшая к ajj - граничная точка. [29]

Схема гравиметрической разведки.| Схема сейсмической разведки. [30]

Страницы: 1 2 3 4