![]() ТОР 5 статей: Методические подходы к анализу финансового состояния предприятия Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века Характеристика шлифовальных кругов и ее маркировка Служебные части речи. Предлог. Союз. Частицы КАТЕГОРИИ:
|
Метод наискорейшего подъема
В зависимости от того, ищется максимум или минимум целевой функции, данный метод называется методом наискорейшего подъема или методом наискорейшего спуска. При использовании данного метода величина шага строится функция одной переменной r. Затем ищется экстремум функции Если градиент равен нулю или достаточно мал, вычисления прекращаются, стационарная точка найдена. Далее эта точка проверяется на оптимальность. Если градиент больше заданной величины, необходимо вновь обратиться к формуле. Пример 2. Найти максимум функции Шаг 1. В качестве точки начального приближения выберем точку
Таким образом,
Возьмем производную функции По итерационной формуле Вычислим градиент Величина градиента больше допустимой, необходимо продолжать поиск экстремальной точки. Шаг 2. Выполнив действия аналогичные действиям шага 1, получим:
Упростим данное выражение, Шаг 3. Действуя аналогично тому, как и на первых двух шагах, получим:
В результате третьей итерации градиент оказался равным допустимому. Следовательно, точка Случайный поиск Один из существенных недостатков методов, рассмотренных ранее, заключается в необходимости на каждом шаге вычислять градиент. Кроме того, в методе Ньютона-Рафсона на каждом шаге необходимо вычислять матрицу вторых производных и матрицу обратную по отношению к ней. В методе наискорейшего подъема на каждом шаге необходимо вычислять экстремум функции одной переменной Основная особенность методов случайного поиска заключается в том, что направление движения на каждом шаге задается случайным образом. Один из наиболее часто применяемых приемов выбора направления движения заключается в следующем. Пусть ищется максимум функции f (X). В качестве точки начального приближения выбрана точка Если в новой точке значение функции окажется выше, чем в точке начального приближения, Если значение функции в новой точке окажется ниже, чем в точке начального приближения, Критерием остановки вычислений может быть неоднократное выполнение условия
Не нашли, что искали? Воспользуйтесь поиском:
|