Метод покоординатного спуска или Метод Гаусса – Зейделя
min F(X);
X0?XП
Минимум целевой функции в области протяжения.
Х0 – начальная точка поиска.
В методе Гаусса – Зейделя поиск совершают в направлении координатных осей.
hнач – начальная величина шага поиска.
Для поиска минимума используются методы одномерной оптимизации.
Метод случайного поиска
Направление поиска выбирается случайно, путём выбора n случайных чисел, равномерно распределённых на отрезке [-1;1) из генератора случайных чисел, который есть в каждой ЭВМ.
n – число управляемых параметров.
Метод градиента
grad F(X) = (∂F/∂x1; ∂F/∂x2; …; ∂F/∂xn)
F(x1; x2)
Производные вычисляются численно, путём приращения управляемых параметров.
x1 = x1,0 + ∆x1
∂F/ ∂x1 = ∆F/∆x1 ; ∆F = F(x10 + ∆x1) – F(x10)
В каждой точке для нахождения производных необходимо n+1 вычислений F(X).
Метод наискорейшего спуска
Метод Ньютона
В основу метода положен одноимённый метод решения нелинейных алгебраических уравнений.
grad F(X) = 0;
Обозначим Ф(X) = ∂F(x)/∂x = 0
Применим к данной системе уравнений метод Ньютона.
Ф(Xk) + ∂F(Xk)/∂X ∆X ≈0,
где ∆Х – значение Xk+1 - Xk
Xk+1 = Xk – (∂Ф/∂X)-1 * Ф(Xk)
Xk+1 = Xk – Юk-1 grad F(Xk) - Формула Ньютона.
Если целевая функция является квадратичным многочленом по управляемым параметрам, то минимум находится за один шаг.
Недостатки метода:
1) Высокая трудоёмкость вычисления и обращения матрицы Гессе.
2) Не всегда имеет место сходимость решения.
Дата добавления: 2022-05-27; просмотров: 115;