Непрямой алгоритм - оптимизация - Большая Энциклопедия Нефти и Газа, статья, страница 1
Психиатры утверждают, что психическими заболеваниями страдает каждый четвертый человек. Проверьте трех своих друзей. Если они в порядке, значит - это вы. Законы Мерфи (еще...)

Непрямой алгоритм - оптимизация

Cтраница 1


Непрямые алгоритмы оптимизации отличаются следующими особенностями: используя глобальную информацию относительно поведения целевой функции -, они становятся малочувствительными к локальным экстремумам; алгоритмы являются поисковыми, т.е. для них не требуется производить вычисления градиентов; для работоспособности и в определенной степени эффективности алгоритмов не требуется точная аппроксимация функции ( точность модели), особенно в начале поиска; если пользователь уже проделал определенное количество экспериментов с моделью, то результаты экспериментов применяются алгоритмами в начале поиска, т.е. используются активно-пассивные методы обработки данных.  [1]

2 Графики многоэкстремальной и аппроксимирующей функций. [2]

В непрямых алгоритмах оптимизации удается органически соединить процедуры численных методов оптимизации с большим набором процедур, которые используются в прикладной статистике и при анализе данных, что позволяет значительно повысить свойства адаптируемости этих алгоритмов к различным задачам. Как было показано ранее ( см. § 3.1), увеличение трудоемкости подобного рода алгоритмов не влияет на их эффективность при оптимизации сложных систем, так как основное время затрачивается на моделирование.  [3]

Далее будут приведены базовые непрямые алгоритмы оптимизации и их модификации в зависимости от модели аппроксимирующей функции.  [4]

Простой, но достаточно эффективный непрямой алгоритм оптимизации со структурно-параметрической адаптацией состоит в следующем: в зависимости от размеров плана эксперимента на k - к итерации и количества проделанных ранее экспериментов включается в работу один из описанных базовых непрямых алгоритмов оптимизации.  [5]

Опишем один из непрямых алгоритмов оптимизации - с базовой неполной квадратичной моделью, являющийся адаптивным к выбору компонентов вектора независимых переменных. Идея его заключается в выделении на каждой итерации группы независимых переменных, оказывающих наибольшее влияние на изменение целевой функции.  [6]

Отметим важное достоинство непрямых алгоритмов оптимизации - движение к экстремуму осуществляется после каждого нового вычисления целевой функции.  [7]

В настоящее время известен ряд непрямых алгоритмов оптимизации на основе МГУА, в том числе поэтапный, где изложенную выше последовательность шагов следует рассматривать как одну итерацию поиска экстремума оптимизируемой функции.  [8]

Таким образом, пользователь при конструировании непрямых алгоритмов оптимизации может учесть фактически любые априорные сведения о решаемой задаче.  [9]

Все алгоритмы однопараметрической стохастической оптимизации, описанные в § 3.2 и использующиеся в непрямых алгоритмах оптимизации, по своему замыслу могут быть также отнесены к непрямым алгоритмам оптимизации.  [10]

Проблема выбора шагового множителя pv и генерации плана эксперимента Х решается так же, как в квазиградиентном непрямом алгоритме оптимизации. В качестве критерия останова используется тот же критерий, что и в квазиградиентном непрямом алгоритме оптимизации.  [11]

Все алгоритмы однопараметрической стохастической оптимизации, описанные в § 3.2 и использующиеся в непрямых алгоритмах оптимизации, по своему замыслу могут быть также отнесены к непрямым алгоритмам оптимизации.  [12]

Простой, но достаточно эффективный непрямой алгоритм оптимизации со структурно-параметрической адаптацией состоит в следующем: в зависимости от размеров плана эксперимента на k - к итерации и количества проделанных ранее экспериментов включается в работу один из описанных базовых непрямых алгоритмов оптимизации.  [13]

Проблема выбора шагового множителя pv и генерации плана эксперимента Х решается так же, как в квазиградиентном непрямом алгоритме оптимизации. В качестве критерия останова используется тот же критерий, что и в квазиградиентном непрямом алгоритме оптимизации.  [14]



Страницы:      1