Выбор - длина - шаг - Большая Энциклопедия Нефти и Газа, статья, страница 1
От жизни лучше получать не "радости скупые телеграммы", а щедрости большие переводы. Законы Мерфи (еще...)

Выбор - длина - шаг

Cтраница 1


Выбор длины шага, естественно, зависит от рассматриваемого приложения и применяющейся схемы интерполяции. Здесь мы будем применять линейную интерполяцию, которая используется в графопостроителях и многих механизмах с программным управлением. Кривая пересечения аппроксимируется в этом случае последовательностью прямолинейных сегментов, как показано на рис. 9.2. Оптимальный выбор для случая интерполяции дугами парабол и окружностей не будет обсуждаться, хотя последующие замечания до некоторой степени относятся и к нему.  [1]

2 Определение точки минимума функции 3 ( Х методом покоординатного спуска. [2]

Способы выбора длины шага при покоординатном спуске совпадают со способами, рассмотренными применительно к градиентному методу. Последовательность, в которой выбираются координатные оси, может быть различной. Иногда вначале определяется, какие из переменных Xix2x3, , х оказывают большее влияние на изменение функции цели 3, в соответствии с чем и строится последовательность спуска по отдельным параметрам. Такое предварительное исследование и расстановка параметров в порядке их значимости безусловно повышают эффективность метода, улучшая его сходимость. Однако указанное предварительное исследование в свою очередь требует определенного усложнения алгоритма оптимизации и дополнительного времени счета на ЭВМ.  [3]

4 Блок-схема аппроксимации множества Парето двукритериальной задачи кубическими полиномами Эрмита. е - параметр, задающий точность аппроксимации. Q - параметр, влияющий на выбор шага. Аг / о - начальный шаг интерполяции. Д ( / т - п, & уп-а. - минимальный и максимальный шаги интерполяции. [4]

Для экономного выбора длины шага Дг / i нужно положить е - 1 е, где е - желательная точность интерполяции.  [5]

Описываемое ниже правило выбора длины шага ( или, что то же самое, нового центра проведения экспериментов) состоит в следующем. В первом из указанных случаев полагаем х Mj, во втором продолжаем измерять у в точках Kti до тех пор, пока снова не выполнится (4.1), после чего поступаем аналогично.  [6]

Отметим еще, что выбор длины шага из условия (23.15) может быть достаточно затруднительным, поэтому в ряде работ [332, 445, 476] рассматриваются алгоритмы, в которых выбор hh производится таким образом, чтобы лишь гарантировать определенную степень убывания функции. Однако в этом случае теоретическое обоснование многих методов не проведено даже для случая минимизации квадратичной функции.  [7]

В градиентном методе используются различные способы выбора длины шага, описанные в § 2 гл. Так, если длина шага выбирается из условия минимизации функции вдоль направления антиградиента, то получаем вариант градиентного метода, носящий название метода наискорейшего спуска.  [8]

Различные алгоритмы отличаются способом выбора этого направления и правилами выбора длины шага.  [9]

Описанные варианты реализации градиентного метода отличаются друг от друга способом выбора длины шага. Как правило, вычисления градиента в меньшем числе точек требует метод наискорейшего спуска.  [10]

Методу наискорейшего спуска посвящено много работ, поэтому здесь достаточно ограничиться изучением вопроса о выборе длины шага при переходах от одной опорной точки ( например, ХА) к другой.  [11]

Следует отметить, что здесь, как и вообще во многих итерационных методах, тактика выбора длины шага играет очень существенную роль как для достижения сходимости, так и для обеспечения приемлемой ее скорости.  [12]

Подводя итоги, можно сказать, что при проверке условий прекращения расчетов, а также при выборе длины шага и направления следует учитывать возможные последствия того, что проверяемая точка либо движется к границе области допустимых решений и доходит до нее.  [13]

Это позволяет всегда переходить из точки хй в точку x h P ( ft), так что здесь удается обойтись без алгоритма выбора длины шага. Параметр h в (3.7.2) Гриффит и Стюарт подбирают так, чтобы точка - p ( ft) принадлежала окрестности, где линейная аппроксимация целевой функции, построенная в точке хА, достаточно хорошо описывает ее поведение.  [14]

Процесс уточнения базиса ( активного набора) регламентирован двумя независимыми правилами: первое определяет, какие ограничения включить в базис в конце спуска по очередному направлению р (, а второе - какие исключить из него до начала вычисления вектора pft 1, причем вопрос о включении решается просто и одновременно с выбором длины шага. Если предварительная оценка этой длины а такова, что в точке хА) ар ( условия задачи не выполнены, первым нарушается ограничение а х Ьг и при переходе через границу его допустимой области функция F ( xfe) - f - apfe)) убывает по а, то это ограничение надо включить в базис и взять в качестве xfe 1 точку перехода. Если же в этой точке F ( xW apft)) возрастает, есть смысл уменьшить шаг, получив тем самым дополнительный выигрыш в значении целевой функции.  [15]



Страницы:      1    2