Глобальный поиск

Cтраница 1

Глобальный поиск применяется также и для нахождения первых двух точек и, следовательно, первого гиперконуса поиска. Объем конуса определяется высотой и половиной угла при вершине, значения которых выбираются адаптивно в соответствии с результатами нескольких последовательных проб. [1]

Описанный глобальный поиск, эксплуатирующий эту грубую модель эволюции, привлекателен еще и тем, что может легко усовершенствоваться. Так, хорошие результаты в процессе глобальной оптимизации дает моделирование известного в биологии факта, что в неблагоприятных условиях интенсивность мутаций ( а / /) возрастает, а число потомков А / уменьшается. [2]

Глобальный поиск минимума и множество точек 1 более эффективны. [3]

Блуждающий глобальный поиск является статистическим расширением детерминированного локального градиентного метода и заключается в спуске на каждом этапе поиска градиентным методом из случайно выбранной начальной точки. Найденное в конце каждого этапа значение запоминается в случае, если оно лучше предшествующих. Если целевая функция имеет не слишком большое число экстремумов, то можно предположить, что по истечении достаточно большого числа этапов мы переберем все локальные экстремумы и найдем лучший из них. В принципе, как и для алгоритмов предыдущего класса, никакое конечное число этапов не дает полной гарантии обнаружения глобального экстремума. [4]

При методах глобального поиска сначала оценивают общие характеристики целевой функции в окрестности оптимума, а затем по ним находят глобальный оптимум. К методам глобального йойска относятся: метод множителей Лагранжа; метод, основанный на использовании теории планирования экспериментов, и ряд других статистических методов. [5]

Простейший алгоритм глобального поиска моделирует эволюцию следующим образом. UN - произвольные точки в q - мерном пространстве оптимизируемых параметров - моделируют отдельные особи. Чем меньше значение этой функции, тем более приспособлена особь и, следовательно, тем больше у нее шансов на выживание. [6]

Простейшим алгоритмом глобального поиска является так называемое сканирование, которое состоит в последовательном переборе всех допустимых состояний объекта. [7]

Смысл этого глобального поиска заключается в следующем. [8]

Другой алгоритм глобального поиска [20.27, 20.28] связан со случайными скачками в процессе градиентного поиска. Оказывается, если специальным образом организовать момент появления случайных скачков, то при определенных условиях можно гарантировать отыскание глобального экстремума. Смысл такого поиска сводится к следующему. [9]

Простейшим алгоритмом глобального поиска является так называемое сканирование, которое состоит в последовательном переборе всех допустимых состояний объекта. [10]

Смысл этого глобального поиска заключается в следующем. [11]

Другой специфической чертой глобального поиска является отсутствие полной уверенности, что найденный за конечное время экстремум является глобальным. Действительно, ввиду того что глобальный экстремум может, вообще говоря, оказаться в любой точке области 5 поиска, всегда существует риск утери этого экстремума в процессе поиска. И лишь при неограниченном увеличении времени поиска вероятность такой утери будет сколь угодно малой. [13]

Существует много алгоритмов глобального поиска. Рассмотрим некоторые из них. [14]

Пример глобальной характеристики объекта в обстановке помех. [15]

Страницы: 1 2 3 4