Локальный поиск

Cтраница 1

Поиск экстремума при изменении одного из параметров технологического режима. [1]

Локальный поиск проводят путем изменения параметров технологического режима в направлении возрастания целевой функции. [2]

Алгоритм локального поиска в этом случае осложняется лишь необходимостью вычисления интеграла (20.7.2) в каждой точке поиска. [3]

Если относительно локального поиска еще высказывается порой мнение, что он должен быть детерминированным, то относительно глобального поиска, пожалуй, все единодушны: он должен быть стохастическим. Рассмотрим основные алгоритмы глобального случайного поиска. [4]

Итак, локальный поиск даже для такой благопристойной функции может не привести к полному успеху. [5]

В блоке Локальный поиск движение происходит по методу наискорейшего спуска из исходной точки WIICX до пересечения траекторией поиска какого-либо гребня. Далее в блоках Подъем на гребень и Движение по гребню реализуются алгоритмы поиска экстремума функции минимума ZO ( W) по проекционному методу. В процессе движения по найденному гребню может быть пересечен новый гребень. Для его определения вновь происходит обращение к блоку Идентификация гребней. Достижение малой окрестности экстремальной точки сопровождается прекращением увеличения ZO ( W) при выбранном ранее значении шага. Для повышения точности результатов оптимизации шаг поиска при этом уменьшается и поиск продолжается с уменьшенным шагом. Прекращение поиска происходит в том случае, если не наблюдается роста ZO ( W), а значение шага при этом не превышает нижнего граничного значения. [6]

В блоке Локальный поиск ( см. рис. 41, а) реализуется метод наискорейшего спуска. [7]

Действительно, любой локальный поиск будет, прежде всего, оптимизировать именно эти параметры. Несущественной эта группа параметров названа именно потому, что от этих параметров легко избавиться обычными локальными средствами поисковой оптимизации. [8]

Важнейшим элементом локального поиска является выбор направления движения к оптимуму, который осуществляется путем оценки градиента с методом конечных разностей либо на основе статистической информации ( случайный поиск), либо по оценкам частных производных. [9]

Однако использование локального поиска совершенно необязательно при работе набросовых алгоритмов. [10]

В качестве алгоритмов локального поиска могут быть применены классические алгоритмы: метод Гаусса - Зайделя, градиента, наискорейшего спуска. [11]

Поэтому конструирование алгоритмов локального поиска имеет важное, а иногда и самостоятельное значение при разработке алгоритмов оптимального проектирования ЭМП. [12]

Иногда модифицированные методы локального поиска могут быть применены и для решения многоэкстремальных задач. Это относится к тем случаям, когда глобальный экстремум значительно глубже локальных экстремумов. К числу таких методов относится, например, метод тяжелого шарика, разные варианты которого позволяют определить вектор очередной точки по векторам текущей и предшествующей точек, а также градиентам целевой функции в этих точках. [13]

При реализации метода оврагов локальный поиск выполняется методом градиента с уточнением. [14]

Как генетический, так и локальный поиск по отдельности недостаточно эффективны. Эффективность решения задач синтеза повышается при использовании локально-генетического метода. В соответствии с этим методом применяется локальная оптимизация по отношению к каждой хромосоме, порождаемой в результате кроссовера. [15]

Страницы: 1 2 3 4