 |
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция
Методы случайного поиска
Опыт использования численных методов показывает, что определение градиента функции r связано со значительными трудностями. Поэтому наряду с детерминированными методами поиска на практике используют методы случайного поиска, которые свободны от указанного недостатка, []. В методах случайного поиска направление шага, а иногда и величина, определяются случайным образом.
Этот метод является прямым развитием известного метода проб и ошибок, когда решение ищется случайно, и при удаче принимается, а при неудаче отвергается с тем, чтобы немедленно снова обратиться к случайности как к источнику возможного. Такое “случайное” поведение разумно опирается на уверенность, что случайность содержит в себе все возможности, в том числе и искомое решение.
Итерационный алгоритм поиска оптимальных параметров представим в виде: 
.
Различные методы случайного поиска отличаются способами определения приращения 
, [].
- Алгоритм случайного спуска с линейной тактикой
Обозначим 
. Алгоритм записывается следующим образом:
где случайные пробы 
предполагаются достаточно малыми по модулю, чтобы вероятность получения положительной реакции (Dr(n)<0) была достаточно большой.
При данном алгоритме случайные шаги в пространстве управляющих переменных делаются до тех пор, пока не будет найден шаг, ведущий к уменьшению r. Затем удачный шаг повторяется до тех пор, пока значение r не начнет увеличиваться.
Рассмотрим некоторые способы определения S.
o Чисто случайная оценка направления. Здесь s=s, где - единичный случайный вектор.
o Оценка направления s по наилучшей из нескольких проб. В этом случае s=s*, где s* удовлетворяет условию:
. Здесь g – величина пробного шага;
m – число случайных шагов, из которых выбирается наилучшее.
o Оценка направления спуска методом статистического градиента. За направление спуска принимается средневзвешенное из m случайных направлений, каждое из которых берется с весом, соответствующим приращению меры r вдоль этого направления:
, где 
- единичный вектор, определяющий интересующее направление. Имеются и другие модификации оценки направления спуска.
Поиск по сайту: