Cтраница 1
Нелокальный поиск сводится к нахождению некоторого множества стационарных точек функции f ( х) в некоторой ограниченной области при условии, что хотя бы одна стационарная точка, принадлежащая этой области, найдена. [1]
Громоздкие вычислительные процессы нелокального поиска можно оптимизировать по ряду показателей с учетом ограничений на вычислительные средства, априорной и последовательно накапливаемой информации об исследуемой функции / ( г), вероятностных характеристиках случайных факторов и пр. Один из подходов, к-рые здесь пытаются применить, основан на теории статистич. [2]
Таким образом, предлагаемый алгоритм является методом нелокального поиска, так как при определении направления поиска используются локальные свойства функции, а при поиске оптимальной точки вдоль выбранного направления - глобальные свойства, характеризующие функцию / ( х) во всей области определения D. Аналогичная идея была использована также в [1] в связи с задачей проектирования производственных систем, представленных в виде графа, где специфические особенности задачи позволяли легко осуществлять нахождение абсолютного экстремума вдоль выбранного направления ( координатной оси) для кусочно-линейной функции. [3]
Для решения одноэкстремальных и многоэкстремальных задач широко применяются методы локального и нелокального поиска экстремума. К локальным методам поиска относятся градиентный, Гаусса - Зайделя, наискорейшего спуска. [4]
Для решения одноэкстремальных и многоэкстремальных задач широко применяются методы локального и нелокального поиска экстремума. К локальным методам поиска относятся градиентный, Гаусса-Зайделя, наискорейшего спуска. [5]
Описанный метод поиска может быть применен как самоетоя-тельннй поисковый алгоритм, а также в качестве начального этапа при организации нелокального поиска. [6]
При решении многоэкстремальных задач и в так называемых овражных ситуациях автономная работа алгоритмов локального поиска оказывается неэффективной. Это потребовало разработки методов нелокального поиска, которые фактически состоят в определенной организации проведения некоторой последовательности поисков локальных. Так, нелокальный алгоритм решения многоэкстремальных задач состоит в выборе начальных точек в пределах заданной области и обработке результатов локальных поисков, произведенных из этих точек. В ходе работы этого алгоритма производится изучение заданной области, определяется местонахождение локальных экстремумов. Специальные алгоритмы нелокального поиска применяются также при решении овражных задач. [7]
При решении многоэкстремальных задач и в так называемых овражных ситуациях автономная работа алгоритмов локального поиска оказывается неэффективной. Это потребовало разработки методов нелокального поиска, которые фактически состоят в определенной организации проведения некоторой последовательности локальных поисков. Так, нелокальный алгоритм решения многоэкстремальных задач состоит в выборе начальных точек в пределах заданной области и обработке результатов локальных поисков, произведенных из этих точек. В ходе работы этого алгоритма производится изучение заданной области, определяется местонахождение локальных экстремумов. Специальные алгоритмы нелокального поиска применяются также при решении овражных задач. [8]
Требуется найтш локальный минимум в этой замкнутой области. Очевидно, что для этого необходимо перебрать все точки минимума внутри шара и на границе его. Процедура нелокального поиска заключается в следующем. Затем выбирается одна из а проходящих через XQ кривых, определяемая всеми уравнениями системы ( ж), за исключением одного. [9]
После того как вид кинетических уравнений установлен, поисковым путем подбираются значения неопределенных параметров л, обеспечивающие достаточно близкое совпадение расчетных и экспериментальных интегральных кривых. Так как число параметров в более или менее сложных процессах будет немалым ( по-видимому, реально можно говорить о 10 - 20 параметрах), слепой поиск практически не даст результатов. Решение задачи следует вести путем направленного поиска - применяя метод Бокса - Уилсона, а возможно, и более мощные методы нелокального поиска. [10]
После того как вид кинетических уравнений установлен, поисковым путем подбираются значения неопределенных параметров л, обеспечивающие достаточно близкое совпадение расчетных и экспериментальных интегральных кривых. Так как число параметров в более или менее сложных процессах будет немалым ( по-видимому, реально можно говорить о 10 - 20 параметрах), слепой поиск практически не даст результатов. Решение задачи следует вести путем направленного поиска - применяя метод Бокса - Уилсона, а возможно, и более мощные методы нелокального поиска. [11]
Имеется множество параметров, характеризующих классы. При этом используется сочетание двух методов поиска - локального и нелокального. Тактика нелокального поиска состоит в случайном ( нелокальном) отборе некоторой совокупности параметров и локального улучшения ее до комбинации параметров, на которой выполняется критерий. [12]
Для того, чтобы он работал эффективно, функция должна быть хорошо организована, что означает наличие двух групп переменных: переменных существенных и несущественных. В конформационных задачах существенными переменными обычно являются углы вращения, несущественными - валентные углы и связи. Но в некоторых точках потенциальной поверхности это может быть и неверно; кроме того, некоторые из углов вращения в ряде точек могут быть существенными, а другие углы вращения - несущественными. Опыты показывают, что потенциальные функции конформационных задач являются в этом смысле хорошо организованными, и эффективность метода оврагов при нелокальном поиске весьма высока. [13]
При решении многоэкстремальных задач и в так называемых овражных ситуациях автономная работа алгоритмов локального поиска оказывается неэффективной. Это потребовало разработки методов нелокального поиска, которые фактически состоят в определенной организации проведения некоторой последовательности поисков локальных. Так, нелокальный алгоритм решения многоэкстремальных задач состоит в выборе начальных точек в пределах заданной области и обработке результатов локальных поисков, произведенных из этих точек. В ходе работы этого алгоритма производится изучение заданной области, определяется местонахождение локальных экстремумов. Специальные алгоритмы нелокального поиска применяются также при решении овражных задач. [14]
При решении многоэкстремальных задач и в так называемых овражных ситуациях автономная работа алгоритмов локального поиска оказывается неэффективной. Это потребовало разработки методов нелокального поиска, которые фактически состоят в определенной организации проведения некоторой последовательности локальных поисков. Так, нелокальный алгоритм решения многоэкстремальных задач состоит в выборе начальных точек в пределах заданной области и обработке результатов локальных поисков, произведенных из этих точек. В ходе работы этого алгоритма производится изучение заданной области, определяется местонахождение локальных экстремумов. Специальные алгоритмы нелокального поиска применяются также при решении овражных задач. [15]