Глобальний пошук - велика енциклопедія нафти і газу, стаття, сторінка 1

Глобальний пошук

Глобальний пошук застосовується також і для знаходження перших двох точок і, отже, першого гіперконуса пошуку. Обсяг конуса визначається висотою і половиною кута при вершині, значення яких вибираються адаптивно відповідно до результатів декількох послідовних проб. [1]

Описаний глобальний пошук. експлуатує цю грубу модель еволюції, привабливий ще й тим, що може легко вдосконалитися. Так, хороші результати в процесі глобальної оптимізації дає моделювання відомого в біології факту, що в несприятливих умовах інтенсивність мутацій (а / /) зростає, а число нащадків А / зменшується. [2]

Глобальний пошук мінімуму і безліч точок 1 ефективніші. [3]

Блукаючий глобальний пошук є статистичним розширенням детермінованого локального градиентного методу і полягає в спуску на кожному етапі пошуку градієнтним методом з випадково вибраної початкової точки. Знайдене в кінці кожного етапу значення запам'ятовується в разі, якщо воно краще попередніх. Якщо цільова функція має не надто велике число екстремумів, то можна припустити, що після закінчення досить великого числа етапів ми переберемо всі локальні екстремуми і знайдемо кращий з них. В принципі, як і для алгоритмів попереднього класу, ніяке кінцеве число етапів не дає повної гарантії виявлення глобального екстремуму. [4]

При методах глобального пошуку спочатку оцінюють загальні характеристики цільової функції в околиці оптимуму, а потім по ним знаходять глобальний оптимум. До методів глобального йойска відносяться: метод множників Лагранжа; метод, заснований на використанні теорії планування експериментів, і ряд інших статистичних методів. [5]

Найпростіший алгоритм глобального пошуку моделює еволюцію в такий спосіб. UN - довільні точки в q - вимірному просторі оптимізуються параметрів - моделюють окремі особини. Чим менше значення цієї функції, тим більше пристосована особина і, отже, тим більше у неї шансів на виживання. [6]

Найпростішим алгоритмом глобального пошуку є так зване сканування, яке складається в послідовному переборі всіх допустимих станів об'єкта. [7]

Сенс цього глобального пошуку полягає в наступному. [8]

Інший алгоритм глобального пошуку [20.27, 20.28] пов'язаний з випадковими стрибками в процесі градиентного пошуку. Виявляється, якщо спеціальним чином організувати момент появи випадкових стрибків, то за певних умов можна гарантувати відшукання глобального екстремуму. Сенс такого пошуку зводиться до наступного. [9]

Найпростішим алгоритмом глобального пошуку є так зване сканування, яке складається в послідовному переборі всіх допустимих станів об'єкта. [10]

Сенс цього глобального пошуку полягає в наступному. [11]

Інший алгоритм глобального пошуку [20.27, 20.28] пов'язаний з випадковими стрибками в процесі градиентного пошуку. Виявляється, якщо спеціальним чином організувати момент появи випадкових стрибків, то за певних умов можна гарантувати відшукання глобального екстремуму. Сенс такого пошуку зводиться до наступного. [12]

Іншою специфічною рисою глобального пошуку є відсутність повної впевненості, що знайдений за кінцеве час екстремум є глобальним. Дійсно, з огляду на те що глобальний екстремум може, взагалі кажучи, опинитися в будь-якій точці області 5 пошуку, завжди існує ризик втрати цього екстремуму в процесі пошуку. І лише при необмеженому збільшенні часу пошуку ймовірність такої втрати буде як завгодно малої. [13]

Існує багато алгоритмів глобального пошуку. Розглянемо деякі з них. [14]