Поиск экстремума, метод градиента

Крутого восхождения метод — математический метод планирования эксперимента на стадии поиска экстремума функции отклика основан на шаговом движении в область оптимума по градиенту линейного приближения. [c.264]

Градиентные методы поиска экстремума функции многих переменных основаны на том, что в направлении градиента функции Ф (Х], х%,..., Хп) функция растет с максимальной скоростью. В начальной точке х°, л ° определяется направление [c.23]

На практике такой подход часто реализуют методом т. наз. крутого восхождения (метод Бокса-Уилсона). Выбирают начальную точку, в окрестности к-рой проводят ПФЭ или ДФЭ (в зависимости от числа факторов) по его результатам рассчитывают параметры мат. модели 1-го порядка. Если модель адекватна, с ее помощью определяют направление изменения факторов, соответствующее движению к экстремальному значению целевой ции в направлении градиента или антиградиента (соотв. при поиске максимума или минимума). Движение в выбранном направлении осуществляют с помощью последовательно выполняемых опытов и производят до тех пор, пока отклик изменяется желаемым образом. В найденной наилучшей (для выбранного направления) точке снова выполняют ПФЭ или ДФЭ и т.д. Изложенную процедуру повторяют до построения адекватной модели на каждом этапе. Неадекватность модели, полученной на очередном этапе, свидетельствует о том, что, возможно, достигнута область экстремума, в к-рой линейную модель уже нельзя использовать. Для уточнения положения экстремума в этой области можно применять модель 2-го порядка, построенную посредством соответствующих планов. [c.560]

Существует большое число модификаций градиентного метода поиска экстремума функций многих переменных, учитывающих искривление поверхности градиента или то, что при попадании на гребень ( овраг ) движение по градиенту оказывается медленным и неустойчивым. Данные о применении этих методов для расчетов равновесных составов имеются в обзорных работах [15—-17]. [c.110]

Методы направленного поиска позволяют избежать этого недостатка. Рассмотрим градиентный метод для определения экстремума функции 5 (с(жо), Т хо), и,(Хо), с х), Т(х), v,(x), f(r, х), Vi r, х), Р х)) при отсутствии каких-либо ограничений. Процесс оптимизации по методу градиента заключается в определении направления наискорейшего изменения функции и некотором перемещении по этому направлению в прямую или обратную сторону. Направление наискорейшего изменения функции определяется направлением вектор-градиента оптимизируемой функции. Существенной чертой определения наискорейшего изменения является численное вычисление производных функций д /дс ха), д 1дТ хо), d ldv, xa),. .., которое производится следующим способом д 1ду х ) = [ с хо),. .., yi(Xo)+At/i,. .., Ui(Xo), с(х), Т(х), u x), f r, х), Уг г, х), Р х),. . . ) с Хо), У Х ), , UiUo), с, Т, UJ, /, U2, -.. )]/A /j, где Ai/j— приращение по оптимизируемому параметру, шаг изменения у, у, может быть любым из (Xo), Т Хо), vJ Xa),. ... в качестве шага по оси у выбирают [c.361]

Таким образом, задача сводится к отысканию минимума функции п переменных F (iJ) (Iq)). Поиск этого минимума можно выполнить при помощи одного 1ГЗ методов нахождения экстремума функции конечного числа переменных. Отметим, в частности, что при использовании метода градиента на каждой итерации необходимо п раз решать систему 2п порядка (для определения п производных оптимизируемой величины). [c.188]

Особо следует остановиться на вопросе о сохранении симметрии ядерной конфигурации при проведении оптимизации. Все градиентные методы сохраняют симметрию начального приближения. Это утверждение вытекает из того, что градиент некоторой функции имеет ту же симметрию, что и сама функция, а симметрия функции потенциальной энергии должна быть не ниже, чем симметрия ядерной конфигурации. Часто для уменьшения числа варьируемых параметров с самого начала вводят координаты симметрии и варьируют только полносимметричные координаты. В том и другом случае найденный экстремум может оказаться не минимумом по отношению к несимметричным деформациям, что в действительности часто и происходит. Можно исправить ситуацию, если чередовать итерационные циклы основной процедуры с одним циклом координатного спуска (метод, который свободен от ограничений по симметрии). С другой стороны, когда симметрия заранее обусловлена требованиями задачи, применение градиентных методов позволяет обойтись без использования симметризованных переменных, так как поиск экстремума автоматически осуществляется в подпространстве требуемой размерности. [c.117]

Поиск координат экстремума функции у =f(X yXz) методом градиента [5, с.491-493 ]. [c.160]

В этой связи при применении метода градиента для отыскания кинетических констант, как и вообще для поиска экстремума функции многих переменных, требуется его модификация с целью улучшения и ускорения сходимости процесса поиска. В ряде случаев такая модификация приводит по существу к новому методу, например методу сопряженных градиентов [76, 88], методу проектирования градиента [197] и др. [c.161]

Метод градиента и его частный вариант — метод наискорейшего спуска наиболее широко применяются для нахождения экстремумов функций многих переменных. Для отыскания минимума плохо организованной функции более предпочтителен метод градиентов с постоянным или дробящимся шагом а, так как в этом случае на каждой итерации уточняется направление быстрейшего убывания функции Ф(а). Объем вычислений при использовании метода градиентов значительно больше, чем при поиске минимума методом наискорейшего спуска. Однако программа поиска а на ЦВМ методом градиентов существенно проще, чем аналогичная программа для метода наискорейшего спуска, оптимальный рабочий шаг в котором определяется из уравнения (IX. 23) или приближенным способом. Метод наискорейшего спуска выгодно применять, если известно, что функция ф(а) достаточно хорошо организована, например, не имеет оврагов или близка к квадратичной функции. При попадании изображающей точки а в овраг скорость сходимости методов градиента и наискорейшего спуска резко уменьшается, а траектории движения практически совпадают. На рис. IX.4 изображена траектория движения изображающей точки a t) [в соответствии с уравнением (IX. 22, а) при а = onst] на [c.226]

Метод же сопряженного процесса, при применении которого отсутствуют неточности, обусловленные итеративным подбором неизвестных переменных, оказывается свободным от рассмотренных выше осложнений (наподшим, что сопряженный процесс описывается линейными уравнениями и расчет его в случае замкнутой с. х.-т. с. сводится к решению систем линейных уравнений, которое в большинстве случаев на современных вычислительных машинах может быть осуществлено с достаточной точностью). Отметим при этом, что для многих методов поиска экстремума функций (таких, например, как в работе [7]) вопросы точности определения градиента критерия оптимизации весьма важны. [c.167]

С целью отыскания экстремума функции многих переменных как частный случай метода оврагов можно рассматривать модификацию метода градиента, предложенную Островским и др. [69]. В начале поиска при движении в область минимума функции S (рис. 23) по программе градиента в соответствии с уравнениями (III.68)— (III.70) происходит спуск к оврагу (участок и зигзаго- [c.163]

Другим эффективным методом решения задач оптимального резервирования ХТС является градиентный [231]. Основная идея этого метода состоит в том, что значение экстремума критерия эффективности отыскивается последовательными шагами из начальной точки, oпpeдeлJ eмoй исходным вектором состава поэлементного резерва ХТС Хо, в направлении градиента критерия. При этом для решения вариационной задачи не требуется знать аналитическое выражение для критерия эффективности, а необходимо иметь лишь значения критерия и его первых частных производных в точках, расположенных на траектории движения к экстремуму КЭ и определяемых векторами состава поэлементного резерва ХТС X(i), где I — номер шага оптимального поиска. [c.206]

Справочник химика 21

Химия и химическая технология