Слепой поиск

Такая задача оптимизации решается с помощью методов нелинейного математического программирования. Очень часто методы определения экстремума нелинейной функции при наличии ограничений на оптимизируемые параметры делят по признаку организации процесса поиска на методы слепого поиска и методы направленного поиска. К методам слепого поиска относятся [30] метод сплошного перебора вариантов (метод прямого упорядочения вариантов по критерию эффективности) и метод статистических испытаний (метод Монте-Карло) [24]. К методам направленного поиска относятся градиентный метод, метод наискорейшего спуска, метод покоординатного спуска и другие. [c.360]

Следует заметить, что при к = О будем иметь алгоритм слепого поиска, например метод ветвей и границ или метод постоянной стоимости. Следовательно, эти алгоритмы могут рассматриваться как частные случаи более общего алгоритма. [c.493]

Анализ возможностей использования двух методов слепого поиска для решения многофакторных экстремальных задач показал, с одной стороны, ряд их положительных свойств, а с другой —ограниченность их применения кругом задач с небольшим числом оптимизируемых параметров. Второй весьма важной областью применения методов слепого поиска является их использование в алгоритмах, сочетающих в себе ряд методов, в частности для определения абсолютного оптимума в многоэкстремальных задачах и для оптимизации дискретно изменяющихся параметров. [c.127]

Очень часто собственно методы нелинейного математического программирования, т. е. методы определения экстремума нелинейной функции при наличии ограничений на оптимизируемые параметры в виде неравенств, делят по признаку организации процесса поиска на методы слепого поиска и методы направлен- [c.121]

К числу методов слепого поиска принадлежит метод прямого упорядочения вариантов по критерию эффективности (метод пространственной сетки). Суть его состоит в следующем. Для каждого независимого оптимизируемого параметра Х1 технически допустимая зона определения делится на равные отрезки. Значения параметров на концах полученных отрезков образуют новую, уже дискретную область определения этих параметров. Число отрезков выбирается по допустимому количеству точек дискретной области определения функции 3 [c.125]

Следующим методом слепого поиска, который может быть применен в процессе оптимизации параметров адсорбционных установок и их отдельных элементов для решения нелинейных экстремальных, многофакторных задач является метод статистических испытаний (метод Монте-Карло). Сущность этого метода заключается в том, что решение аналитической задачи заменяется моделированием некоторого случайного процесса. Его вероятностная характеристика, например вероятность определенного события или математического ожидания некоторой величины, имеет тесную связь с возможным решением исходной аналитической задачи. При использовании указанного метода необходимо большое число раз моделировать соответствующий случайный процесс и определять путем статистической обработки значение искомой характеристики — вероятности или математического ожидания. Поэтому метод статистических испытаний требует выполнения огромной вычислительной работы. [c.126]

Такой комбинированный метод решения многоэкстремальной задачи может быть реализован в двух вариантах. Первая модификация предусматривает предварительный слепой поиск, в результате которого выбирается исходная точка для однократного направленного локального поиска. Вторая модификация требует многократного использования направленного поиска из разных исходных точек. [c.154]

Поиск в глубину и в ширину называют рутинным, или слепым, поиском, поскольку при этом порядок раскрытия вершин предопределен и не зависит от расположения цепи. При увеличении пространства поиска способы слепого поиска требуют чрезмерных затрат времени и/или памяти ЭВМ. Для сокращения времени поиска применяют эвристические методы поиска, т. е. методы, использующие некоторую информацию о ПО для рассмотрения не всего пространства поиска, а таких рациональных путей в нем, которые с наибольшей вероятностью приводят к цели. Один из способов сокращения перебора состоит в выборе более инфор- [c.76]

При использовании слепого поиска в допустимой области изме нения независимых переменных, определенной неравенствами (IX, 125), случайным образом выбирается точка, в которой вычисляется значение целевой функции. Далее аналогично выбирается другая точка, где также рассчитывается значение функции цели, с которым сравнивается полученное ранее, Если новое [c.519]

Таким образом, в методе слепого поиска число требуемых вычислений значений целевой функции весьма резко увеличивается с возрастанием размерности решаемой задачи. Аналогичные проблемы уже встречались при рассмотрении поиска оптимума методом сканирования, где для устранения трудностей с размерностью иногда может использоваться поиск с переменным шагом сканирования. Точно такой же пример можно применить и в методе слепого поиска, если после выполнения определенной серии проб дальнейший поиск (уточнение) производить в некоторой суженной области, охватывающей найденную в предыдущей серии точку наименьшего значения функции цели. При этом вероятность попадания в заданную А-окрестность оптимума возрастает, за счет чего можно существенно сократить общий объем вычислений. [c.521]

Слепой поиск. На рис. П-32 показана для примера в виде прямоугольника на плоскости (х , Хд) область допустимых изменений) этих переменных. Б общем случае данная область может иметь любой вид и даже быть многосвязной, т. е. состоять из нескольких отдельных, частей. Метод слепого поиска заключается в просматривании точек допустимой области в заранее установленном порядке или без всякого порядка и в отборе такой точки, для которой значение Р минимально. На рис. П-32, а показана одна из форм слепого поиска — сканирование, при котором точки области одна за другой просматриваются в определенном порядке, например, строчка за строчкой. [c.171]

После того как вид кинетических уравнений установлен, поисковым путём подбираются значения неопределенных параметров р,, обеспечивающие достаточно близкое совпадение расчетных и экспериментальных интегральных кривых. Так как число параметров в более или менее сложных процессах будет немалым (по-видимому, реально можно говорить о 10— 20 параметрах), слепой поиск практически не даст результатов. Решение задачи следует вести путем направленного поиска — применяя метод Бокса — Уилсона, а возможно, и более мощные методы нелокального поиска. Если масштабы всех переменных выбраны такими, что абсолютная ошибка измерения всех переменных одинакова, то задача аппроксимации экспериментальных кривых состоит в изыскании минимума интеграла [c.251]

Поскольку вид функции ф(гс1, х , х , Хг , заранее неизвестен, часто приходится пользоваться слепым поиском интересующих свойств функции отклика. В ряде же случаев картина изучаемого явления воссоздается путем снятия частных характеристик , а именно кривой зависимости у только от одного фактора нри сохранении остальных постоянными. Однако подобного рода исследования сопряжены с проведением значительного объема экспериментальной работы, который резко увеличивается, если по каким-либо причинам требуется ввести в уравнение новую переменную. Более того, на основании данного изучения системы весьма трудно сделать количественные выводы. Например, отыскание экстремальных условий проведения процесса при наличии пяти-шести независимых переменных практически невозможно в сколько-нибудь приемлемый промежуток времени. [c.256]

Другой формой слепого поиска является чисто случайный поиск, при котором точки на плоскости х , х ) выбираются случайно с неизменным законом распределения (рис. П-32, б). Слепой поиск пригоден лишь дли сравнительно простых случаев, и область его применения "ограничена. [c.174]

Наиболее часто в практике проектирования систем пожарной защиты используют метод перебора вариантов (слепой поиск), суть которого сводится к сравнению по выбранному критерию технических решений, отличающихся сочетанием основных элементов. [c.66]

Необходимо отметить, что выбор значения к существенно влияет на продолжительность поиска. При к—>-0 время поиска возрастает. С увеличением к вероятность получения результативных шагов практически стремится к нулю и алгоритм сводится к слепому поиску. Следовательно, чтобы минимизировать время поиска, нужно выбрать оптимальный ряд значений к для каждой оптимизируемой системы. [c.46]

Слепой поиск. На рис. П-20 показана для примера в виде прямоугольника на плоскости (хь Хг) область допустимых изменений этих переменных. [c.145]

Метод слепого поиска заключается в просматривании точек допустимой [c.145]

Поиск с анализом промежуточных результатов. В этой группе методов программа поиска не установлена заранее, а зависит от результатов предшествующих наблюдений. Пусть, например, в результате слепого поиска, проведенного в первом цикле работы устройства, меньшие значения Р оказались сгруппированными в двух обведенных пунктиром подобластях 51 и (рис. 11-20, е). В таком случае возникает подозрение , что функция Р имеет два минимума, расположенных в этих подобластях. Тогда в следующем цикле поиск следует производить исключительно или преимущественно в этих подобластях. Например, если производится случайный поиск, в следующем цикле вероятностный закон образования значений Х1 и хг перестраивается так, чтобы случайные точки чаще попадали в подобласти 51 и [c.145]

Если управление процессом полностью передоверить машине, не знающей теории критических условий, то, варьируя начальные параметры, мапшна может незаметно для себя перейти через критическое условие, что уже совершенно недопустимо с точки зрения техники безопасности. Учесть же критические условия можно только зная внутренний механизм процесса, т. е. отказавшись от концепции черного ящика . Далее, как мы видели, одним и тем же значениям внешних параметров могут отвечать несколько различных стационарных режимов, и тогда вывод на желательный режим требует уже не слепого поиска, а сознательного управления . Наконец, проектирование нового реактора никак не может быть выполнено с позиций черного ящика , так как всякое изменение размеров и конструкции сложным образом меняет условия диффузии и теплопередачи и разобраться в следствиях этих изменений можно только зная внутренний механизм процесса. [c.472]

Численные методы [24—26] включают в себя методы слепого поиска (метод прямого упорядочения вариантов, метод Монте-Карло и др.) и методы направленного поиска (градиентные методы, метод наискорейшего спуска и др.). Сложность математической модели в этом случае обусловливает большой объем вычислительной работы, поэтому, как правило, использование численных методов связано с применением ЭВМ. [c.11]

Итак, создание теории химического строения в корне изменило ситуацию в органической химии. На смену эмпиризму, слабому знанию механизма реакций приходит сознательное, активное отношение к синтезу нового соединения, согласно плану, первоначально разработанному на бумаге. Вместо слепых поисков приходит научный прогноз, основанный на знании механизма превращений исходных веществ в конечные продукты. [c.207]

При использовании слепого поиска в допустимой области измерения независимых переменных, определенно)" неравенствами (IX,125), случайным образом выбирается точка, б которой вычисляется значение целевой функции. Далее аналогично выбирается другая точка, где также рассчитывается значение функции цели и сравнивается с полученным ранее. Если новое значение функции цели оказывается меньше (больиш) предыдущего, то это значение запоминается вместе с координатами точки, для которой оно было вычислено. Затем продолжается выборка случайных точек и сравнение значений целевой функции в этих точках с уже найденным. Каждый раз, когда получается меньнюе значеине целевой функции, оно запоминается вместе с соответствующими значениями координат, после чего продолжается поиск лучшего приближения к оптимуму. [c.522]

Теоретически при применении такой стратегии и достаточно большом числе испытаний можно достигнуть сколь угодно высокой степени точности и определении положения оптимума. Однако на практике использоЕзание слепого поиска существенно ограничивается размерностью решаемой задачи и сложностью вычисления значений целевой функции. Так, иапример, если требуется найти положение оптимума с точностью А, определяемой как допустимое отклонение координат от истинной точки оптимума, то при выборке случайных точек необходимо хотя бы один раз попасть в А-окрестность точки оптимума. [c.522]

Следующим достаточно эффективным методом направленного поиска оптимума функции (со. Го, Ию,. . . , с, Т, к f, v , Р,. . .) является метод покоординатного спуска (метод Гаусса—Зейделя). Суть этого метода заключается в минимизации (максимизации) функции сначала по одному параметру, затем по второму и т. д. Основное преимущество перечисленных методов направленного поиска заключается в направленности поиска оптимума, что позволяет заметно снизить число вариаптов перебора по сравнению с перебором вариантов в методах слепого поиска. Среди недостатков методов направленного поиска следует выделить один — основной— возможность нахождения только локального оптимума или особой точки типа седловой. [c.362]

Методы слепого поиска. Сущность решения задач на определение экстремума функции многих переменных 3(ХиХ2,. ... Хп) с помощью методов слепого поиска заключается в организации просмотра (в определенном порядке или случайным образом) допустимой области изменения оптимизируемых параметров X и сравнении соответствующих значений функции 3. При этом информация о функции 3, полученная в результате какого-либо варианта расчета, используется при последующем расчете лишь в ограниченном объеме, а само определение экстремального значения функции 3 не сопровождается последовательным улучшением промежуточных результатов. [c.125]

Эти методы относятся к многочисленной группе так называемых методов слепого поиска. Для них характерен просмотр-в определенном порядке (сканирование) или случайный отбор значений переменных минимизируемой функции до тех пор, пока не будет найдена ее заданная величина. Здесь процесс изучения локальной окрестности не требует вычисления частных производных (в этом привлекательность и простота таких методов) и обычно не отделяется от шагов при движении к искомому экстремуму. Так как производные не вычисляются, то не существует никакого простого способа использования информации о численном изменении минимизируемой функции S кроме сравнения последовательных оценок S (и ) иб (и + ) с помощью неравенств S (и + ) <5 (и )или5 (u + ) > >5 (и ) и т. д. В соответствии с результатами сравнения определяются действия, которые необходимо совершить для дальнейшего-движения к экстремуму. [c.185]

Справочник химика 21

Химия и химическая технология