![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Для повышения эффективности применения идеи случайного поиска (смотри предыдущий алгоритм) используют модификации метода простого поиска, заключающиеся в генерации вектора как случай нового приращения компонент вектора
, который отвечает условиям
:
,
Где включает
случайных пробных шагов,
- диагональная матрица масштабных коэффициентов.
называется матрицей чувствительности критерия эффективности
к изменению оптимизируемых параметров вектора
, при этом вводится понятие наилучшей пробы, которую для приращения вектора
обозначим:
,
Эффективность алгоритма зависит от начального приближения этой наилучшей пробы . Условия правильного движения к экстремуму целевой функции формируется в виде 2-ух компонент:
(8.23)
На всем множестве случайных проб наилучшей пробой считается та, которая обеспечивает сходимость критерия качества
к min значению. Второе условие, которое должно выполняться совместно с условием (8.23) запишем:
(8.24)
Если на первом шаге процедуры оптимизации вычислено
значений критерия эффективности
и выполняются совместно условия (8.23) и (8.24), то с учетом определения наилучшей пробы алгоритм оптимизации может быть записан:
(8.25)
и подобная процедура (8.25) позволяет вычислить на шаге наилучшую пробу
.
Условием движения к оптимуму по наилучшей пробе проверяются с помощью следующих выражений:
(8.26)
Оптимизация по наилучшей пробе методом случайного поиска представляет собой итерационную процедуру, при этом, если на каком-либо значении рабочего шага нарушаются условия (8.26), этот шаг
и рабочий шаг оптимизации
изменяется по такому правилу:
Изменение происходит в сторону уменьшения шага и движения в выбранном направлении продолжается в сторону полученной пробы, причем для каждого компонента вектора сохраняется итерационная процедура
,
Если нарушаются граничные условия, то
(8.27)
Условием завершения параметрической оптимизации на шаге будет выполнение условия
.
Алгоритм поиска по наилучшей пробе рекомендуется при параметрической оптимизации больших систем.
Дата публикования: 2015-01-23; Прочитано: 669 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!