|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Векторные обозначенияПри рассмотрении многомерных задач естественно использовать векторные обозначения. Совокупность значений x1,x2,¼,xn, являющихся аргументами функции n переменных, определяет положение точки в n-мерном пространстве или ее радиус-вектор x. Таким образом, функцию F(x1,x2,¼,xn) можно рассматривать как функцию векторного аргумента F(x). Если в пространстве заданы две точки x1 и x2, то разность v=x1-x2 есть не что иное, как вектор, соединяющий эти точки и направленный от x1 к x2. Если x1 – радиус-вектор точки, а v – произвольный вектор в n-мерном пространстве, то их сумма x2=x1+v определяет точку, лежащую на прямой, проведенной через x1 параллельно v и находящуюся от x1 на расстоянии, равном длине вектора v. Многие методы используют градиент gradF — вектор, элементами которого являются частные производные ¶F/¶xi; он указывает направление, вдоль которого функция возрастает наиболее быстро. Противоположно направленный вектор -gradF (антиградиент) указывает направление скорейшего убывания F. Большинство методов многомерной оптимизации сводится к последовательности одномерных поисков вдоль некоторых направлений в n-мерном пространстве, выбираемых определенным образом. Процедуру одномерной минимизации в многомерном пространстве можно описать следующим образом. Пусть x0 – начальная точка, а вектор v задает направление поиска. Это значит, что среди всех точек x, которые лежат на прямой, проходящей через x0 параллельно вектору v, нужно найти ту, в которой F(x) принимает наименьшее значение. Радиус-вектор любой точки, лежащей на указанной прямой, можно представить в виде , (9) где – евклидова норма (т. е. длина) вектора v, а x – смещение (со знаком) точки x вдоль прямой относительно x0. Таким образом, x является одномерной координатой, определяющей положение точки на прямой, причем x0 задает начало координат (x=0), а положительное направление совпадает с направлением вектора v. Если направление поиска задано вектором единичной длины, т. е. , то выражение (9) упрощается: (9а) Поскольку x0 и v фиксированы, то функцию на рассматриваемой прямой можно считать функцией одной переменной x, применяя для поиска минимума любой из методов, описанных в первом разделе. Заметим, что исходные предпосылки метода Дэвидона (нулевое значение переменной в начальной точке и положение минимума на положительной полуоси) легко достигаются путем надлежащего определения x0 и выбора одного из двух возможных направлений вектора v для данной прямой. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.) |