Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АрхитектураБиологияГеографияДругоеИностранные языки
ИнформатикаИсторияКультураЛитератураМатематика
МедицинаМеханикаОбразованиеОхрана трудаПедагогика
ПолитикаПравоПрограммированиеПсихологияРелигия
СоциологияСпортСтроительствоФизикаФилософия
ФинансыХимияЭкологияЭкономикаЭлектроника

Сформулируйте алгоритм поиска с жестким обучением.

Сформулируйте необходимые условия существования экстремума функции Лагранжа. | Как оценивается эффективность одномерного поиска. | Сформулируйте алгоритм случайного поиска с возвратом. | Сформулируйте стратегию селекции генетических алгоритмов. | Пропорциональная селекция |


Читайте также:
  1. II. Аналитический обзор результатов информационного поиска в электронных каталогах трех библиотек.
  2. Matlab-реализация алгоритма
  3. А) алгоритмічна конструкція, де перевіряється умова (значення логічного виразу), і залежно від її істинності чи хибності виконується та чи інша серія команд.
  4. Автоматизация поиска информации. Категория «Ссылки и массивы».
  5. Алгоритм 2.1. Разбор цепочек символов по ДС с действиями
  6. Алгоритм 2.14. Сортировка таблиц, управляемая пользователем
  7. Алгоритм 2.15. Форматирование единиц времени календарной диаграммы

Идея самообучения при поиске экстремума сводится к накоплению в ходе поиска информации

об оптимизируемой системе, выработке и уточнению в ходе поиска некоторых

вероятностных гипотез о наилучшем направлении смещения центра зоны поиска и к

использованию этих гипотез при формировании очередных шагов

Предыдущие шаги рассматриваются три этом как результаты испытаний системы, дающие

представление о благоприятном направлении оптимизации.

Вектор в этом случае перестает быть равновероятным и в результате самообучения

приобретает некоторые преимущества в направлении наилучшего шага.

 

Обучение обычно начинается в обстановке равновероятного поиска, а затем по мере

накопления информации о системе приобретает некоторые сведения в виде оценок

наилучшего направления движения системы к экстремуму. По мере накопления опыта

дисперсия этих оценок должна уменьшаться. Введение случайности в этом случае играет

роль средства прощупывания системы с целью определения наиболее эффективного

направления оптимизации. В ряде случаев производится изменение структуры алгоритма

обучения («переучивание»), если изменились условия функционирования системы или

обучение было неточно.

Поиск с обучением по одной попытке(Жесткое обучение). Случайность вводится после повторного неудачного шага. Смещение на каждом шаге поиска производится следующим образом:

При удачном шаге . После первого неудачного шага центр зоны поиска смещается в

направлении, противоположном неудачному, т.е. , а при следующем неудачном

шаге направление смещения выбирается случайным.

 

31.

Сформулируйте идею «набросовых» алгоритмов поиска оптимума.

32.

Сформулируйте идею «блуждающих» алгоритмов поиска оптимума.

 

 

Альтернативный ответ на вопрос 31.

31. Сформулируйте идею «набросовых» алгоритмов поиска оптимума

 


Дата добавления: 2015-11-14; просмотров: 42 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Сформулируйте алгоритм поиска с наказанием случайностью.| Сформулируйте алгоритм случайного поиска с парными пробами.

mybiblioteka.su - 2015-2024 год. (0.005 сек.)