Выбор метода поиска минимума функции Ф(а)

Выбор метода поиска минимума функции Ф(а) [c.234]

При конкретной работе выбор критерия в очень большой степени обусловлен доступностью алгоритмов, которые используются при его минимизации. Именно это, с нашей точки зрения, сыграло решающую роль в широком распространении метода наименьших квадратов (МНК) при решении конкретных задач [7]. Действительно, если исходная задача линейна относительно/i, то МНК приводит к решению системы п линейных алгебраических уравнений с п неизвестными. В любом случае сумма квадратов уклонений есть гладкая функция относительно К, п для ее минимизации можно с успехом применить детерминированные методы поиска минимума. [c.86]

Выбор метода поиска во многом определяется видом функций /г в системе уравнений (IX.4), (1Х.5), быстродействием ЦВМ, знанием достаточно хороших начальных приближений и т. п. В общем случае поиск минимума рекомендуется начинать методом простого или сопряженного градиента, а при попадании изображающей точки а О в овраг переходить на метод оврагов . [c.232]

Необходимо отметить, что метод оврагов является нелокальным методом нахождения минимумов функций многих переменных. Другими словами, в районе начальных значений констант определяются все (если их несколько) минимумы суммы квадратов отклонений, так что имеется возможность определить координаты наиболее глубокого минимума. Кроме того, для повышения надежности получаемых результатов можно начинать поиск констант, исходя из нескольких начальных приближений. При решении задачи выбора наиболее вероятного механизма сложной химической реакции и нахождения уточненного значения констант скоростей ее элементарных стадий особенно существенной является совместная работа физико-химиков (экспертов) и математиков. Задача физико-химиков состоит в основном в том, чтобы найти и сформулировать частные контрольные требования для рассматриваемой конкретной проблемы. [c.8]

В итерационных методах весьма важным является выбор признака окончания поиска минимума. Введем признаки окончания итерационного процесса по функции и по аргументу. В первом случае итерационный процесс можно считать оконченным, если при ф(а )ф0 [c.224]

Найти точный минимум другим методом, не увеличивая точности расчетов минимизируемой функции (общего времени контакта), невозможно. Ниже будут приведены расчеты двух типов аппаратов, выполненные различными методами упорядоченного поиска. Были использованы следующие методы метод релаксации, метод градиента, метод наискорейшего спуска, метод релаксации с выбором варьируемой переменной по наибольшему градиенту (комбинация методов релаксации и наискорейшего спуска), динамическое программирование и недавно появившийся новый метод оврагов [6]. [c.81]

Классификация методов. Для решений сформулированной в гл. 1 задачи комплексной оптимизации параметров и профиля адсорбционных установок или отдельных ее частей и элементов при однозначно (детерминированно) заданных значениях влияющих факторов могут быть применены многие из известных математических методов поиска экстремума функции многих переменных [49, 50]. Однако при практической их реализации на ЭВМ возникают серьезные вычислительные трудности. Некоторые простейшие, широко известные методы минимизации обычно совершенно непригодны для решения реальных задач. Поэтому проблема выбора наиболее целесообразного метода решения задачи поиска минимума сложной функции из числа существующих имеет большое значение. [c.121]

Выбор величины шага из условия (18) гарантирует выполнение словия монотонности 6 . Фактически при таком подходе для определения BejurtHHM шага градиентного метода приходится решать еще одну вспомогательную задачу (18) одномерной минимизации. Заметим, что в прикладных задачах поиск минимума функции (а) на всей полуоси становится обременительным и [c.20]

Алгоритмически задача выбора технологической схемы состоит в разработке или выборе методов ее анализа, оценки, оптимизации и синтеза. На этапе анализа составляются уравнения математического описания, задаются переменные процесса и схемы, и в результате решения получается информация о потоках, температурах, давлении, составах, размерах и т. д. Оценка состоит в совмест-ном использовании информации с предыдущего этапа и экономических данных для определения целевой функции. Оптимизация состоит в поиске наилучшего набора переменных процессов. Традиционно разработка технологических схем проводится на основании итерационного выполнения указанных этапов, и лишь в последнее время стало уделяться внимание этапу синтеза, который призван объединить в себе все предыдущие этапы на основе некоторого метода. Известно большое число методов синтеза [4, 52], основанных на различных подходах, и многим из них присуща необходимость использования некоторого метода решения систем нелинейных уравнений или метода оптимизации. Последние используются для сведения материального и теплового баланса схем. Задачи решения систем уравнений и минимизации некоторого функционала взаимосвязаны и могут быть сведены одна к другой. Например, условием минимума функции Р х) является равенство нулю частных производных дР1дх1 = О, 1 = 1, 2,. . ., п, а система уравнений f х) = О, I = 1, 2,. . ., п, может быть решена путем минимизации соответствующим образом подобранного функциона- [c.142]

Определенную направленность в процессе поиска абсолютного минимума функции 3 обеспечивает применение метода оврагов . Сущность этого метода заключается в использовании информации о минимизируемой функции для выбора положения новой начальной (исходной) точки после получения нескольких (не менее двух) локальных минимумов. Процесс поиска локального минимума при этом осуществляется одним из обычных методов, например градиентным. Реализуется метод оврагов следующим образом. Все оптимизируемые параметры разбиваются на две группы к первой относятся те параметры, изменение которых существенно влияет на измененне функции цели, ко второй— те, варьирование которых ненамного изменяет значение 3. Такое разбиение должно производиться либо заранее, либо в процессе поиска. В методе оврагов локальные уменьшения функции цели за счет оптимизации параметров первой группы [c.154]

Модификация метода Розенброка состоит в том, что последняя содержит автоматический выбор масштабных множителей, критерий окончания поиска минимума положительно определенной квадратичной формы (VIII.20) естественным образом связан со степенью близости (VIII.20) к О и, наконец, учитываются ограничения функции на переменные состояния в виде линейных неравенств, [c.149]

Программа НЕРА [4] основана на алгоритме Маркуардта [5] и по матрице исходных переменных (данные эксперимента или пассивных наблюдений) при известном виде нелинейной математической модели рассчитывает различные статистические характеристики и выполняет регрессионный анализ. Р1зменени-ем значений коэффициентов регрессии осуществляется поиск минимума квадратичной формы, вид которой определяется функцией нормально распределенных остатков. Выбор наиболее точного уравнения регрессии осуществляется автоматически— путем отбрасывания коэффициентов заданного уравне-лия методом исключения. [c.14]