|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Вычислительная процедураОбщие сведения о численных методах оптимизации Определение 1. Численный метод - это правило (алгоритм), в соответствии с которым вычисляется последовательность величин , которая должна сходиться к решению оптимизационной задачи .
- приближения к решению
Правило формирования последовательности
(1)
Вектор задает направление движения в пространстве ,
число - величину "шага" при переходе из точки в точку .
Если используется информация только о целевой функции , алгоритм называют алгоритмом нулевого порядка; если используется информация о производных первого порядка - алгоритмом первого порядка; если используются вторые производные - алгоритмом второго порядка и т.д.
Если алгоритм за конечное число шагов приводит в точку , его называют конечношаговым, иначе - бесконечношаговым.
(2)
Алгоритм (1) относят к методам спуска
1. Выбор направление поиска
Оп ределение 1. Будем говорить, что вектор в точке задает направление убывания функции (в задаче минимизации), если при всех достаточно малых величинах выполняется условие . Такой вектор называют направлением убывания
2. Правило выбора параметра
а) ,
б) ,
в) (3)
3. Скорость сходимости алгоритма:
· линейная скорость, скорость геометрической прогрессии · сверхлинейная скорость · квадратичная скорость
4. Правилами останова алгоритма
(4)
где - некоторые достаточно малые положительные числа.
4. Выбор точки начального приближения
2.5. Алгоритмы многомерной оптимизации
(5)
Градиентные методы поиска Методы используют информацию о градиенте целевой функции и относятся к методам первого порядка. (6) дифференцируема на . (7) - (8)
(9) 1. Простейший градиентный метод ; 2. Метод наискорейшего спуска (10) 3. Градиентный метод с дроблением шага 3.1. часто ;
3.2. к следующей итерации
Вычислительная процедура
1. ,
2. ,
3. ,
4.
5. Проверка условий останова: если выполняются ; иначе к п. 2
Особенности методов: · относятся к локальным методам оптимизации; · используются для решения как одномерных, так и многомерных экстремальных задач; · выпуклая ЦФ – метод сходится к точке минимума; сильно выпуклая ЦФ - метод сходится к точке минимума с линейной скоростью; невыпуклая ЦФ - метод сходится ко множеству стационарных точек · градиентные методы относятся к методам спуска ; · низкая скорость сходимости в окрестности точки минимума; метод чувствителен к ошибкам вычислений; градиентные методы целесообразно применять на начальном этапе оптимизационной процедуры. Метод Ньютона
(11) - оптимизационный метод Ньютона
Особенности метода Ньютона
1. Трудоемкость, обусловленная вычислением и обращением матрицы Гессе на каждой итерации; 2. Выбор ; 3. Метод Ньютона сходится к точке минимума произвольной ЦФ с квадратичной скоростью, если матрица Гессе положительно определена, а располагается «достаточно близко» к .
Метод Ньютона с регулировкой шага:
(12)
, Скорость сходимости – сверхлинейная; квадратичная Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.008 сек.) |