Cтраница 1
Направленный поиск обычно приводит к отысканию лишь локального минимума. Случайный поиск более подходит к отысканию глобального минимума, так как при нем просматривается вся область изменения параметров. Однако он дает слишком большой объем вычислений, и поэтому часто применяют комбинированные методы, при которых случайным поиском просматривают и сравнивают значения целевой функции в отдельных частях ( районах) области изменения параметров и затем направленным поиском: находят локальные минимумы для тех частей области, где ожидается получение глобального минимума. [1]
Направленный поиск осуществляется от простейших форм и минимального числа связей последовательно к более сложным функциональным воздействиям связей и увеличению их числа до минимально допустимого. [2]
Направленный поиск обычно приводит к отысканию лишь локального минимума. Случайный поиск более подходит к отысканию глобального минимума, так как при нем просматривается вся область изменения параметров. [3]
Направленный поиск складывается из двух этапов моделирования. [4]
Направленный поиск может вестись от общего к частному - в результате поиска круг возможных моделей суживается, отбрасываются модели, которые не подтверждаются получаемой информацией. [5]
А. Случайные стартовые точки. В. Равноудаленные стартовые точки. [6] |
Многоточечный направленный поиск отбирает группу различных стартовых точек. Они могут выбираться несколькими способами, например, случайным выбором из пространства переменных или путем деления пространства переменных на равные по величине сегменты и выбора в качестве точки входа центра каждого сегмента. Затем данный поиск входит в пространство переменных в своей первой точке входа и ищет лучшую модель в этой области. [7]
Описанный выше направленный поиск обычно дает возможность определить тот оптимум функции цели, который расположен вблизи точки многомерного пространства, соответствующей начальным значениям параметров. [8]
Методы направленного поиска основаны на последовательном приближении значений независимых переменных к оптимальному значению. Точка в пространстве независимых переменных все время смещается в направлении улучшения значения функции цели. Методы направленного поиска приводят к оптимальному варианту ( сходятся) сравнительно быстро, однако при этом обычно находится только локальный оптимум. В многоэкстремальных задачах для поиска глобального оптимума используются различные комбинации методов направленного перебора со случайным поиском. Например, можно случайным перебором выбрать ряд исходных точек, равномерно распределенных в области поиска, и из каждой исходной точки достигнуть локального экстремума. Наилучший из них может считаться решением задачи. [9]
Методы направленного поиска позволяют избежать этого недостатка. [10]
Поиск методом прямого спуска - две переменные. [11] |
Метод направленного поиска может потребовать расчета всего 5 - 10 % всех возможных моделей, в то время как метод поиска на решетке рассчитывает число всех комбинаций. [12]
Использование направленного поиска решений требует разработки соответствующих функционалов, характеризующих сложность структур. Впервые этот вопрос был исследован К. [13]
Методы направленного поиска делят на одноэтапные и многоэтапные. [14]
Для направленного поиска предельного режима может, в частности, эффективно использоваться метод квадратичной интерполяции, при котором ап 1Я2 - ф - ( х / 7 ф - ч, где A. Лагранжа ( они находятся по трем экспериментальным точкам); П - параметры, определяющие предельный режим. [15]