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

Сформулируйте алгоритм случайного поиска с парными пробами.

Сформулируйте необходимые условия существования экстремума функции Лагранжа. | Как оценивается эффективность одномерного поиска. | Сформулируйте алгоритм случайного поиска с возвратом. | Сформулируйте алгоритм поиска с наказанием случайностью. | 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

 

В методе поиска с парными пробами предполагается четкое разделение между пробным и рабочим шагами. Направление рабочего шага выбирается после двух пробных шагов из исходной точки X0 в точки X1 и X2 вдоль случайного направления: где g —величина пробного шага; — равномерно распределенный единичный случайный вектор

Для рабочего шага поиска принимается направление, соответствующее наименьшему значению целевой функции; это направление выбирается исходя из следующих условий: где a —величина рабочего шага поиска, обычно a <g.

 

 

35.Что понимают под термином «адаптация» и «самообучение» в алгоритмах случайного поиска?

Гораздо более эффективными и хорошо зарекомендовавшими себя практике являются адаптивные алгоритмы случайного поиска глобального экстремума. Их основная идея заключается в том, что поиск ведется не из какой-то одной начальной точки, а по всей области, и в процессе его выполнения изменяется закон распределения генерации вектора рабочих параметров (точек, в которых вычисляется значений целевой функции). Обычно на начальных этапах распределение является равномерным, а затем плотность вероятности увеличивается в районе предполагаемого оптимума.

Поиск с самообучением отличается тем, что функция детерминирована, т.е. является регулярной зависимостью нового состояния w(1) от результата х и предыдущего состояния w.

 


Дата добавления: 2015-11-14; просмотров: 48 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Сформулируйте алгоритм поиска с жестким обучением.| Сформулируйте стратегию селекции генетических алгоритмов.

mybiblioteka.su - 2015-2024 год. (0.006 сек.)