Введение
Глава 1. Постановка задачи
Глава 2. Случайный поиск
2.1. Описание алгоритма случайного поиска
2.2. Случайный поиск с использованием логистической кривой . . . . . . . . 9
Глава 3. Методы детерминированного поиска оптимального отображения
3.1. Детерминированное определение оптимального отображения . . . . . . . 12
Глава 4. Методы нахождения оптимального отображения случайным поиском
4.1. Метод 1
4.2. Метод 2
4.3. Метод с использованием факториальной системы счисления (метод 3) . 18
Глава 5. Результаты
5.1. Случай совпадения количества функций и количества значений дискретных величин
5.2. Случай несовпадения количества функций и количества значений дискретных величин
Заключение
Литература
В жизни возникает множество оптимизационных задач. Одни из них имеют достаточно простые условия и решение, к другим необходим особый подход, своеобразные
методы. Как правило, на практике возникают нетривиальные задачи, которые подразумевают под собой большое число параметров, сложный характер поведения целевой
функции. К примеру, функции имеющие разрывы, недифференцируемые, многоэкстремальные и т.д. Все эти условия усложняют поиск наименьшего или наибольшего
значения. Для решения подобных задач можно использовать различные алгоритмы
стохастической оптимизации.
Некоторые задачи синтеза систем сводятся к поиску минимума сложной многоэкстремальной функции, заданной на дискретно-непрерывном множестве. В данной работе
исследуется применение алгоритма случайного поиска, описанного в работах [1] и [2],
для нахождения минимума, возникающих в подобных задачах, функций, которые зависят от числового аргумента и от дискретного отображения.
В текущей работе рассмотрено несколько способов решения поставленной задачи и их сравнение на некоторых примерах. Работа состоит из пяти глав. В первой
главе работы описывается постановка задачи. Во второй главе рассматривается метод
случайного поиска и его модификация с использованием логистической кривой. В третьей главе приведены известные сведения о решении поставленной задачи с помощью
случайного поиска и алгоритмов, решающих задачу о назначениях. В четвертой главе сформулирована идея применения случайного поиска для отыскания оптимальных
числового аргумента и дискретного отображения. В пятой главе приведены результаты
моделирования для сравнения методов.
В данной работе рассматривалось два основных подхода к решению задачи синтеза, описанной в работе [3]. Первый — изученный подход, представленный в третьей
главе работы, заключается в детерминированном поиске отображения �. Второй подход — менее изученный, рассмотренный в четвертой главе, использует случайный поиск
для нахождения оптимального отображения �. Первый и второй подходы могут иметь
множество вариаций. Причём если для первого различные вариации могут повлиять
только на скорость вычисления минимума, а не на его точность, то у второго могут
меняться обе эти характеристики. Вариация подхода решения задачи, рассмотренного
в 4 главе, осуществляется за счёт разного задания отображения �. В данной работе для
этого подхода было предложено три способа задания отображения �: метод 1, метод 2
и метод 3.
Из рассмотренных способов метод 1, описанный в главе 4, оказался более эффективным с точки зрения выбранного критерия — вероятности получения значения минимума с заданной точностью. Для этого способа были представлены результаты вычисления минимума для некоторых примеров целевых функций. Результаты показали, что
в случае, когда � ≈ �2 , стоит увеличивать количество общих шагов случайного поиска
по сравнению с граничными значениями � (когда � = 1 и � = �). Также количество
общих шагов стоит увеличивать и в случае, когда функции �� имеют сложный многоэкстремальный характер. При этом количество шагов на каждом этапе случайного поиска
выгоднее брать одинаковым для всех этапов и равным 1.
В целом подход из 4 главы уступает в точности подходу, рассмотренному в 3 главе
работы. Это происходит из-за того, что он ищет отображение � с некоторой погрешностью в то время, как подход 3 главы всегда находит точное �, которое минимизирует
целевую функцию в заданной точке. Преимущество подходов из главы 4 заключается в
более универсальном их применении и более быстрой работе. Такие алгоритмы можно
использовать в том случае, когда для поставленной задачи не применимы методы 3
главы или точность получаемого результата менее важна, чем скорость его получения.
1. Сушков Ю. А. Об одном способе организации случайного поиска // Исследование
операций и статистическое моделирование. — Л : Издательство Ленинградского государственного университета, 1972. — Т. 1. — 180-185 с.
2. Сушков Ю. А. Метод, алгоритм и программа случайного поиска для определения
оптимальных значений функции цели. — Л. : ВНИИТМ, 1969.
3. Сушков Ю. А. Структурно управляемые системы : дис. на соискание уч. степ. д-ра
физ.-мат. наук : 05.13.18 / Ю. А. Сушков ; С.-Петербург. гос. ун-т. — Санкт-Петербург, 2000. — 227 с.
4. Кушербаева В. Т. Теоретическое и статистическое исследование методов принятия
решений с использованием алгоритма случайного поиска : дис. на соискание уч.
степ. канд. физ.-мат. наук : 05.13.18 / В. Т. Кушербаева ; С.-Петербург. гос. ун-т. —
Санкт-Петербург, 2012. — 135 с.
5. Абакаров А. С., Сушков Ю. А. Адаптация случайного поиска с использованием логистической кривой. — СПб. : СПбГУ, 2005. — 67-75 с.
6. Статистическое исследование алгоритма случайного поиска : Отчет / С.-Петербург.
гос. ун-т. ; исполн.: В. Т. Кушербаева, Ю. А. Сушков. — Санкт-Петербург : 2007. —
16 с.
7. Романовский И. В. Дискретный анализ: Учебное пособие для студентов, специализирующихся по прикладной математике и информатике. — 4-е изд. — СПб. : Невский
Диалект; БХВ-Петербург, 2008. — 336 с.
8. Комбинаторные алгоритмы : Учебное пособие / Новосиб. гос. ун-т. ; исполн.: Т. И. Федоряева. — Новосибирск : Новосиб. гос. ун-т., 2011. — 118 с.