Introducere
Metodele de optimizare stohastica sunt algoritmi de optimizare care incorporeaza elemente probabilistice, in datele problemei ( functia obiectiva, constrangerile) sau in algoritmul insasi .
In aceasta lucrare vom discuta si vom prezenta metoda de optimizare stohastica numite Random Search.
Introducere
Metode de tip Random Search sunt probabil cele mai simple metode de optimizare stohastica si pot fi foarte eficiente intr-un numar mare de probleme
Faptul ca sunt in principiu simple este o proprietate utila atat in teorie cat si in practica.
Avantaje
usurinta codarii in software
necesitatea calcularii lui f ( spre deosebire de masurarea gradientilor )
eficienta computationala rezonabila (in special pentru acei algoritmi directi de cautare care utilizeaza cateva informatii locale in procesul de cautare )
aplicabilitate larga pentru functii non-triviale cu pierderi si cu continuu sau discret.
Notiuni matematice
Notam cu D un domeniu de valori permise pentru vectorul .
Problema fundamentala de interes este gasirea valorilor vectorului care minimizeaza o functie cu pierderi notata .
Alte denumiri pentru f mai sunt : masura de performanta, functie obiectiva, masura de eficienta, sau criteriu.
Descrierea algoritmului
metoda foarte simpla in care la calcularea modelului curent pentru nu ia in considerare modelele precedente.
Aceasta metoda poate fi implementata simplu prin distribuirea unui numar de puncte in domeniul D si alegerea valorilor vectorului care ofera cea mai mica valoare a functiei f, care in cazul nostru va fi estimatul optimului.
Pentru a descărca acest document,
trebuie să te autentifici in contul tău.