Пассивный поиск

Cтраница 1

Пассивный поиск используется, как правило, лишь в тех случаях, когда можно одновременно провести п независимых экспериментов, но нет. [1]

Так, методы пассивного поиска в результате равномерного просмотра всей области допустимых значений параметров позволяют определить приближение к точке глобального экстремума. Однако за этот бездумный сплошной просмотр приходится платить весьма большими затратами на поиск. Поэтому на практике в основном эти методы находят применение для первоначального изучения области поиска при невысоких требованиях к точности и, в частности, для организации входа изображающей точки в допустимую область при реализации методов направленного поиска. [2]

Так, при небольшом числе параметров оптимизации и невысокой требуемой точности решения методы пассивного поиска еще остаются конкурентоспособными с комбинированными методами. Метод сканирования целесообразно также применять и при дискретно изменяемых параметрах оптимизации. Кроме того, нужно принимать во внимание отмеченную ранее простоту реализации алгоритмов пассивного поиска и тот факт, что они являются неотъемлемым атрибутом для формирования комбинированных алгоритмов. [3]

Интересно, что если вы хоть раз активно искали работу, то потом работа находится в постоянном пассивном поиске вас. [4]

Схема комбинированного алгоритма поисковой оптимизации. [5]

Наиболее распространенным приемом, позволяющим отстроиться от локальности направленных методов поиска, является организация алгоритмов, в которых на первом этапе применяется пассивный поиск, а в дальнейшем - один из методов направленного поиска. Такое комби нирование методов оптимизации позволяет вести направленный обзор области поиска из нескольких начальных точек ( как это показано в примере на рис. 5.21), которые могут формироваться методами сканирования или статистических испытаний. Важно отметить, что начальные точки должны находиться в области допустимых значений параметров. [6]

Самыми простыми генетическими операторами являются ОК, ОМ, инверсии, сегрегации, транслокации, удаления, вставки и их модификации на основе пассивного поиска, когда случайным образом производится выбор пар и точек разрыва на исследуемых хромосомах. При использовании последовательного поиска выполняется перебор точек разрыва для нахождения хромосомы с оптимальной ЦФ. Построение генетических операторов с использованием метода дихотомии реализуется за счет механизма перебора точек разрыва. [7]

В целом рассмотренный алгоритм оказывается более оптимальным и позволяет определять приближения к эффективным проектным решениям с большей точностью, чем это делается с использованием пассивного поиска, особенно при значительной размерности области поиска в пространстве параметров оптимизации. [8]

Поиск экстремума методом градиента ( / / / и методом покоординатного поиска в пространстве смешанно-целочисленных ( / и непрерывных ( / / переменных. [9]

Вместе с тем методы направленного поиска в силу заложенных в них при создании интеллектуальных возможностей позволяют суще; ственно сократить время решения задач по сравнению с пассивным поиском. В ряде случаев такая экономия времени является существенно важной. Примером здесь может служить массовое решение задач оптимизации в условиях функционирования САПР, где даже небольшая экономия на решении одной задачи дает ощутимую общую выгоду. Поэтому понятно желание найти, способы преодоления недостатков этой группы методов. Рассмотрим некоторые из этих способов. [10]

К одномерному поиску относят методы: пассивный, последовательный. Пассивный поиск заключается в случайном выборе пар на заданном отрезке для нахождения оптимума ЦФ. Последовательный поиск выполняется путем перебора значений ЦФ для нахождения оптимального значения. [11]

Если бы в рамках поверочных расчетов необходимо было независимо проигрывать все эти варианты, то их суммарное число составило бы 5x5x7x10x8x20 280 000 вариантов исходных данных. Очевидно, что ни проведение подобного объема вычислений, ни анализ такого количества различных решений пользователем невозможны. Однако от пассивного поиска проектного решения можно перейти к активному целенаправленному поиску, резко сокращающему объем работ. Идея здесь состоит в организации такой процедуры, когда отбраковка какого-либо варианта порождает отбраковку целой серии других вариантов исходной информации. Для сложных объектов такой поиск осуществляется на основе сходных эвристических приемов, но все же имеет индивидуальные особенности, отражающие специфику объектов. В этом заключена неполнота формального описания подобных процедур, а также невозможность поручить их проведение самому компьютеру без участия пользователя. [12]

Страницы: 1