В задачах параметрической оптимизации, характеризующихся большой размерностью вектора Р варьируемых параметров, «независимый» глобальный поиск или Я-поиск требуют большого числа пробных точек, что не всегда удается реализовать. Поэтому для таких задач практически целесообразными часто оказываются различные адаптивные модификации метода независимого глобального поиска, в которых повышение эффективности поиска достигается целенаправленным изменением плотности распределения случайных проб в ограниченном пространстве варьируемых параметров. Таким образом, рассматривается как условная плотность распределения.
Вам требуется печать календаря с гарантией качественного исполнения? В таком случае загляните в типографию «Голд Принт», в которой печать календаря и прочие полиграфические услуги предлагаются на выгодных условиях. Обратите на это внимание.
При использовании адаптивных методов глобального поиска следует учитывать, что повышение их эффективности достигается ценой увеличения степени риска в отношении возможной потери глобального экстремума в процессе перебора точек в области варьирования. Поэтому применение таких методов в задачах с полным отсутствием априорной информации о характере поведения критерия эффективности в пространстве варьируемых параметров требует определенной осторожности.
В качестве перспективного метода решения многопараметрических оптимизационных задач динамического синтеза может быть рекомендован так называемый блуждающий случайный глобальный поиск, являющийся статистическим развитием градиентного метода. Глобальный характер этого метода обеспечивается тем, что на градиентное движение системы накладывается случайное возмущение, обусловливающее работу регулярного алгоритма в блуждающем режиме. Таким образом, если исходная пробная точка приводит алгоритм в область локального минимума критерия эффективности, то случайное возмущение позволяет преодолеть этот локальный барьер и продолжать поиск в той области варьируемых параметров, в которой критерий эффективности еще может уменьшаться. Указанный механизм поиска моделируется на основе векторного дифференциального уравнения вида.