Многоэкстремальная задача

Cтраница 1

Ложный оптимум на границе допустимой области.| Двухэкстрема-льная целевая функция. [1]

Многоэкстремальные задачи не обязательно связаны с наличием ограничений. [2]

Многоэкстремальные задачи минимизации, для которых плотность вероятности попадания в окрестность глобального минимума заметно отлична от нуля, число операций на вычисление одного значения функции не превосходит 106, точность определения минимального значения функции - до 2 десятичных знаков. [3]

Решение многоэкстремальных задач можно производить и с помощью метода случайного поиска, так как случайный поиск более нечувствителен, чем детерминированные методы, к ловушкам всякого рода. Здесь также могут быть введены элементы обучения и самообучения. [4]

Примером многоэкстремальной задачи является простейшая задача о размещении. [5]

В многоэкстремальных задачах каждый из вариантов, подозреваемых на локальный экстремум, должен рассматриваться и как вариант, подозреваемый на глобальный экстремум. Число локальных экстремумов в практических задачах невыпуклого программирования с сотнями переменных и десятками ограничений может быть очень большим. Все это обусловливает трудоемкость решения таких задач. [6]

В многоэкстремальных задачах основной интерес представляют не положения отдельных минимумов, а некоторые средние характеристики, показывающие распределение по конформациям. Во-первых, это могут быть средние размеры макромолекул и распределение по размерам, которые определяются экспериментально. [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 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. [8]

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. [9]

Для решения одноэкстремальных и многоэкстремальных задач широко применяются методы локального и нелокального поиска экстремума. К локальным методам поиска относятся градиентный, Гаусса-Зайделя, наискорейшего спуска. [10]

Для решения одноэкстремальных и многоэкстремальных задач широко применяются методы локального и нелокального поиска экстремума. К локальным методам поиска относятся градиентный, Гаусса - Зайделя, наискорейшего спуска. [11]

Существующие методы решения многоэкстремальных задач ( в основном приближенные) можно разделить па два класса. Первый состоит из различного рода модификаций итеративных методов решения одноак-стремальных задач. [12]

Такой комбинированный метод решения многоэкстремальной задачи может быть реализован в двух вариантах. Первая модификация предусматривает предварительный слепой поиск, в результате которого выбирается исходная точка для однократного направленного локального поиска. Вторая модификация требует многократного использования направленного поиска из разных исходных точек. [13]

Среди нелокальных методов решения многоэкстремальных задач весьма эффективным является динамическое программирование, в основе которого лежит сформулированный Беллманом принцип оптимальности. [14]

Среди нелокальных методов решения многоэкстремальных задач весьма эффективным является динамическое программирование, в основе которого лежит сформулированный Беллма-ном принцип оптимальности. [15]

Страницы: 1 2 3 4