Cтраница 2
Несмотря на ряд очевидных преимуществ, методы случайного поиска не исключают необходимости использования в процессе численной реализации оптимизационных задач регулярных поисковых процедур. Так, если dimx5 и свойства функций моделей оптимизации достаточно просты, регулярный поиск по сравнению со случайным оказывается более быстродействующим. Особенно в таких задачах, где градиенты функций могут быть вычислены по аналитическим выражениям. Отдельные задачи решены методами теории планирования многофакторных экспериментов. Все использованные методы достаточно хорошо известны и подробно обсуждены в тех публикациях, на которые сделаны соответствующие ссылки. [16]
По тем же самым причинам поиск является проблемным и обладает локальностью. Появление проблемы требует поиска путей ее разрешения, и, как только путь найден, поиск прекращается. Широкомасштабный, регулярный поиск ( например, постоянное накопление маркетинговой информации) относительно маловажен. Такая информация обычно игнорируется при срочном поиске выхода из определенных торговых кризисов. Более того, поиск ведется неглубоко. Когда возникает проблема, поиск решения сосредоточивается вокруг известного решения. Радикальные решения остаются в стороне, и безопасный ответ обнаруживается вблизи от известных ранее. [17]
Экспериментально доказано, что человек п животные пользуются именно этим методом. Однако в настоящее время не найдено приемлемых по сложности аппаратных решении для его реализации. Поэтому пока рациональной процедурой следует считать регулярный поиск. [18]
Стратегию формирования области допустимых решений ЛПР выбирает сам и обычно находит ее за приемлемое время, которое, конечно, зависит от его опыта и темперамента. Тем не менее, процесс поиска оказывается не только не утомительным, но часто и увлекательным, открывая ЛПР неожиданные для него типы решений, обусловленные конкретными исходными данными. Достаточно часто этот процесс вначале выглядит как случайный поиск области допустимых решений, который затем переходит в регулярный поиск ОДР в выбранной окрестности. [19]
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. [20]
В недавнем прошлом в технической документации на разработку систем управления подробно оговаривались все основные технические характеристики, кроме требований к уровню надежности. По мере усложнения систем принятие решений на основе одного только опыта затрудняется. Становится очевидной необходимость обоснованного выбора надлежащего уровня надежности, а также систематического и регулярного поиска решений для его достижения. [21]