Случайный поиск

Метод полного перебора, случайного поиска [c.308]

Все разновидности метода базируются на использовании стратегии ненаправленного случайного поиска. Общим принципом построения и применения прямого мозгового штурма и его разновидностей является принцип разделения во времени процессов генерации идей и их критической оценки для устранения психологических препятствий творческому поиску, вызываемых критикой. [c.123]

Два основных параллельных метода носят название методов случайного поиска и многофакторного анализа. Первый из этих методов основан на априорном выборе определенных интервалов изменения переменных по соответствующим осям. Таким образом, по этому методу выбираются значения у и q и производятся расчеты экономического эффекта. В качестве решения выбирается такая пара значений темпа выполнения работ и количества ЛОСП, при которой эффект достигает максимума. [c.47]

Метод многофакторного анализа во многом схож с методом случайного поиска и также предполагает выбор интервалов изменения переменных. Пары значений переменных формируются путем объединения каждого значения q с каждым значением у, что дает некоторое конечное множество точек. Наблюдения производятся для каждой пары значений и выбирается наилучшая пара. [c.47]

Сортность и качество нефтепродуктов, необходимых нефтебазам для обеспечения тяготеющих IK ним потребителей, диктуют номенклатуру производства этих нефтепродуктов на НПЗ. В связи с тем, что нефтепродукты на НПЗ по временам года производятся относительно равномерно, а реализация их через нефтебазы неравномерна, для максимального использования мощностей как действующих, так и проектируемых НПЗ следует правильно решить вопрос о размещении емкостей межсезонных запасов нефтепродуктов (на каждой нефтебазе или на отдельных нефтебазах с большим грузооборотом). При равномерном производстве на НПЗ в осенне-зимний период образуются излишки светлых нефтепродуктов, а в весенне-летнее время нехватка их. Поэтому вопрос определения объема и размещения резервуарной емкости. межсезонного хранения (МСХ) нефтепродуктов, накапливаемых в осенне-зимний и расходуемых в весенне-летний периоды, имеет большое народнохозяйственное значение. Расчеты показали, что размещение емкости МСХ нефтепродуктов на отдельных крупных нефтебазах выгоднее, чем размещение ее на каждой нефтебазе. Для решения экономико-математической задачи выбора МСХ нефтепродуктов предложен эвристический метод, базирующийся на многократном нахождении максимального потока в сети специальной структуры, в сочетании с методом случайного поиска, а также точный метод — решение сетевой параметрической задачи. [c.41]

При построении вероятностей (в соответствии с требованиями метода случайного поиска) наибольшую вероятность приписываем базам с более высоким приоритетом. [c.59]

Суть этого алгоритма [92] состоит в соединении основной схемы итеративного алгоритма решения соответствующей нецелочисленной задачи с идеей доводки его до целочисленного методом случайного поиска. Итеративный алгоритм, основанный на идее известного метода Брауна— Робинсона решения матричных игр, дает возможность получить приближенное решение задачи линейного программирования при небольших затратах машинного времени. Проведенные эксперименты доказывают, что в применении к некоторым классам задач линейного программирования итеративные алгоритмы могут конкурировать с симплексными [92]. [c.190]

Нередко бывает полезно целиком перенести в следующее поколение генетический код самого сильного индивидуума. Выполнение этого условия наверняка сохранит хорошие множества решений и благоприятно скажется на ускорении алгоритма. Кроме того, вы можете следовать агрессивной тактике поддержания генетического разнообразия путем увеличения параметров, используемых в качестве вероятностей кроссовера и мутации. Я пришел к выводу, что, приняв за вероятность кроссовера 0,2, а за вероятность мутации — 0,05, можно ускорить получение решения, при условии, что код наиболее приспособленного индивидуума сохраняется при переходе от одного поколения к другому — это удерживает алгоритм от вырождения в случайный поиск. [c.196]

Исследование рынка — это систематический и методологический, текущий или случайный поиск рынка или эффективного поведения на нем. В зависимости от целей бизнес-планирования исследование может быть количественным или качественным. Цель количественного исследования состоит в том, чтобы установить численные значения оценки рынка, его основных характеристик. Цель качественного [c.100]

Направленный перебор. Начнем с точки, удовлетворяющей ограничениям (ее можно найти простым перебором). Будем последовательно или случайно (метод случайного поиска) менять ее координаты на определенную величину А, каждый раз переходя в точку с более высоким значением целевой функции. Если выйдем на плоскость ограничения, будем двигаться по ней, находя одну из координат по уравнению ограничения. Затем движение по ребру (когда два ограничения-неравенства переходят в равенства)... Остановка — в вершине линейного многогранника. Решение найдено (с точностью до А если необходимо, в окрестности найденного решения проводим направленный перебор с шагом Д/2, Д/4 и т.д.). [c.170]

Способы отбора консультантов в России не так отработаны и формализованы, как в развитых странах. Чаще применяется не развернутая формализованная схема, которая была описана выше, а то, что можно было бы назвать методом интуитивно-случайного поиска. [c.549]

Таким образом, истинная интеллектуальная деятельность опирается на недоступные осознанию чувства, невыразимые желания и может быть лишь основой деятельности, представляющей собой случайный поиск, — очень частный случай управления. СУ же, созданные на основе выразимых желаний, а значит, априорно доступных разуму, можно было бы поэтому назвать разумными системами (P ). [c.229]

Теория случайного поиска. Эвристические методы. Теория информации. Линейное программирование. Нелинейное программирование. Динамическое программирование. Моделирование. [c.47]

В общем случае, для определения оптимизирующих наборов N1 (а при необходимости и Л,/) могут быть применены рассматриваемые в главе 12 алгоритмы случайного поиска решения и генетические алгоритмы, а также следующая процедура оптимизации, являющаяся разновидностью известного метода деления отрезка пополам [11.6], подробно рассматриваемая в следующих разделах. [c.419]

Этап 2,Методом дихотомии, "Фибоначчи" или случайного поиска [11.15], задается т (для задачи б) п ).Минимальное значение /и, определяющее конец работы алгоритма, равно и. Устанавливается значение счетчика итераций k. [c.448]

В заключение также следует отметить еще и то, что рассматриваемые в этой главе модели и алгоритмы позволяют решать и многокритериальные задачи. Этот вывод очевидным образом следует из анализа операции Беллмана — Заде. Здесь критерии оптимальности и ограничения задачи являются симметричными - одинаковыми с точки зрения выбора (определения) оптимального решения. В ряде случаев, когда задача (12.11)-(12.15) имеет структурные ограничения 4-го типа, и(или) критерии оптимальности и ресурсные ограничения задачи носят сложный характер и(или) выбор схемы компромисса не удается свести к принципу Беллмана-Заде для получения (генерации) различных вариантов решения задачи и выбора оптимального могут быть применены алгоритмы случайного поиска решений и (эволюционные) генетические алгоритмы. Рассмотрим построение и работу этих алгоритмов. [c.503]

С. Алгоритм случайного поиска для задачи нечеткой оптимизации выбора вариантов проектов [c.503]

Алгоритм случайного поиска для решения задачи (12.11) -(12.15), при структурных ограничениях 1-го - 4-го видов (см. выше) состоит в следующем [c.503]

Однако известно, что алгоритмы случайного поиска описанного выше типа обладают медленной сходимостью, хотя в принципе и позволяют решать любые задачи. Для преодоления этого недостатка можно поступить следующим образом. После получения очередного случайного решения со всеми номерами (у) матрицы [ху, где записаны единицы, производятся всё их парные перестановки. Например, в последовательности индексов v/= (3,1),(4,2),(4,3), какого-то случайного решения, где /-номер итерации, эти перестановки будут следующие [c.505]

В разделе используется алгоритм случайного поиска, аналогичный рассмотренному в предыдущем разделе. С помощью датчика случайных чисел, имеющих равномерное распределение на (ОД), формируем начальное множество возможных решений (в этом методе часто называемом начальной популяцией особей). Каждое решение представим в виде бинарной матрицы, состоящей из нулей и единиц [c.509]

В, [338] исследуется процесс получения полуфабрикатов и компаундирования из них товарных продуктов на нефтеперерабатывающем заводе. На переработку поступает обычно нефть различного качества из разных месторождений или смесь нефтей в неизвестных пропорциях. Поэтому количества полуфабрикатов заданного качества, вырабатываемые из единицы сырья, не могут быть заранее предсказаны. Спрос на различные товарные продукты также является случайной величиной, меняющейся, вообще говоря, со временем. В [338] построена стохастическая модель оптимизации процесса переработки нефтепродуктов. Модель представляет собой многоэтапную задачу стохастического программирования с жесткими ограничениями. В [338] приводится также алгоритм решения задачи, использующий случайный поиск, сходимость которого доказана в [110]. [c.57]

Рассмотрим следующий итеративный процесс случайного поиска решения задачи [c.181]

Численные методы анализа многоэтапных стохастических задач в жесткой постановке весьма громоздки, и с увеличением размерности управлений и числа этапов трудоемкость решения задач быстро растет. Методы динамического программирования перестают быть эффективными уже при размерности состояний системы, равной трем. Методы, основанные на схемах блочного программирования, применимы лишь при конечном (относительно небольшом) числе реализаций наборов параметров условий задачи. Метод стохастического градиента неконструктивен при числе этапов, большем двух. Теоретически корректный метод случайного поиска, предложенный в [ПО], связан с большими вычислительными трудностями. [c.202]

Эти утверждения вполне очевидны, и мы их доказывать не будем. Отметим лишь, что чем уже множество стационарных точек, тем надежнее метод поиска. С этой точки зрения предпочтителен случайный поиск. Однако с точки зрения эффективности предпочтительнее метод наискорейшего спуска. Не исключенная в принципе опасность застрять в точке перегиба маловероятна, так как такие точки являются неустойчивыми точками метода наискорейшего спуска, в отличие от точки локального минимума, являющейся устойчивой. [c.395]

Метод изобретен американцем Ч. Вайтингом и 50-с п. и относится к эвристическим приемам активизации творческого мышления. Сущность способа состоит в перенесении признаков случайно выбранных объектов на исследуемый объект, который лежит как бы в фокусе переноса (так называемый фокальный объект). Метод соответствует стратегии ненаправленного случайного поиска. Данный прием использует не только принцип отыскания подсказок (от случайных объектов) и свободных ассоциаций для их развития, но и принципы постоянного поддержания в мозгу творческой личности очага возбуждения, высокого уровня воображения и фантазии, концентрации внимания на фокальном объекте, к которому поочередно примеряются признаки случайных объектов и свободные ассоциации. [c.117]

Многочисленные исследования посвящены сравнению различных обучающих эвристик (см., например, [104]). В большинстве имеющихся нейронно-сетевых пакетов реализованы методы пакетной обработки, импульса, изменения величины шага, и даже более совершенные варианты алгоритмов типа алгоритма обратного распространения ошибки и квази-ньютоновские методы. В литературе описано много других алгоритмов, реализующих иные подходы к задаче оптимизации. Так, в основанном на идеях статистической физики методе замораживания стабилизация алгоритма осуществляется за счет понижения температурного параметра. Другие подходы, такие, как метод случайного блуждания [13] или Alopex [269] используют случайный поиск в пространстве весов, и это принципиально отличает их от систематического поиска в методе обратного распространения ошибки (см. [78]). Наконец, в последнее время пользуются успехом так называемые генетические алгоритмы, в которых набор весов рассматривается как индивид, подверженный мутациям и скрещиванию, а в качестве показателя его качества берется критерий ошибки. По мере того, как нарождаются новые поколения, все более вероятным становится появление оптимального индивида. [c.33]

СЛУЧАЙНЫЙ ПОИСК [random sear h] — вычислительная процедура (поиск оптимального решения), относится к комбинаторным методам решения экономических задач. Для начала находят любое допустимое решение задачи. Затем случайным образом (наугад) переходят к другой точке (в пределах той же области допустимых решений). Снова подсчитывают величину целевой функции и определяют, лучше ли полученньтрезультат, чем первый допустимый, или хуже. В зависимости от этого либо возвращаются в исходную точку и оттуда снова начинают движение, либо уже из полученной точки делают новый случайный шаг. Примерно такая процедура позволяет получать решения некоторых задач на ЭВМ быстрее, чем иными способами. [c.332]

Вычисление медианы Кемени является задачей целочисленного программирования. Для ее нахождения используют различные алгоритмы дискретной математики, в частности, основанные на методе ветвей и границ. Применяют также алгоритмы, основанные на идее случайного поиска, поскольку для каждого бинарного отношения нетрудно найти множество его соседей. [c.335]

Цель управления — выразимое желание — антиципированное представление (временно допускаемое в качестве правильного в ожидании того, что в дальнейшем его правильность будет обоснована) потребителя о способе удовлетворения возникшей потребности (или, что то же самое, о способе устранения чувства некомфортности (дискомфорта) (явившегося следствием не удовлетворенной пока потребности)), выраженном конструктивно— через посредство известных потребителю реальных актов. (Невыразимое желание не может являться целью именно управления в силу своей неконструктивности (разве только лишь такой его специфической разновидности, как случайный поиск).) [c.323]

Шаг 4. Методом дихотомии, (или применение чисел "Фибоначчи") или случайного поиска изменяется значение г и переходят к шагу 2. Далее при найденном значении ropt, алгоритм прогоняется [c.457]

Проверяется степень приближения полученного решения к максимизирующему, для чего вычисляется выражение (12.27) и согласно пункту 6 алгоритма случайного поиска осуществляется проверка возможности остановки работы алгоритма. [c.511]

Растригин Л. А. Статистические методы поисковой оптимизации. В кн. Теория и применение случайного поиска , Рига, Зинатне , 1969. [c.389]

Рубинштейн Я. С. Сопоставление случайного поиска и стохастической аппроксимации. — В кн. Теория и применение случайного поиска , Рига, Зинатне . [c.389]

Под стратегией проектирования Дж. К. Джопс понимает последовательность этапов, на каждом из которых применяется ILM или иной метод проектирования. Стратегии могут быть линейными, когда этапы выполняются строго последовательно циклическими, если после выполнения одного из эчапоп необходим" вернуться и повторить предыдущие этапы РУ - Ь" ч -. шп.п.г-н , позволяющими выполнять отдельные этапы параллельно, адяп-тивные, при которых выбор каждого из этапов зависит от результатов выполнения предыдущего случайного поиска, отличающегося абсолютным отсутствием плана, когда при выборе последующего этапа совершенно не учитывают результаты предыдущего. [c.15]

Смотреть страницы где упоминается термин Случайный поиск

Смотреть главы в: