Page 175 - 5637
P. 175

допустимою,  тобто  належала  безлічі     (про  пошук  таких  допустимих  початкових

        наближень див. нижче, §8.4).

              Таким чином, алгоритм методу вектора спаду складається з наступних основних

        етапів:

              1.  Задаємо деяке початкове наближення   ∈  , а також                     і        – мінімальний

        і максимальний радіуси околиці Хеммінга локальної мінімізації.

              2.  Вважаємо   = 0,   =            .

              3.  На (  + 1)-му кроці виконуємо наступні дії:

              3.1. Виробляємо перебір всіх  -елементів в околиці Хеммінга   (  ,  ).


              3.2. Знаходимо   ∈   ∈   ∩   (  ,  )/{  }, таке, що  ( ) = min                ∈    ( ).




              3.3. Якщо  безліч     пусто  або  якщо       −  (  ) ≤ 0  (тобто  якщо  даний

        компонент вектора спаду негативний), переходимо до п. 4, в  іншому  випадку, якщо

          <        ,  значення  радіуса     замінюється  на    + 1  і  переходимо  до  п.3.1,  в  іншому

        випадку до п.5.

              4.  Замінюємо   на   + 1, задаємо   =  ,   =                  і переходимо до П.З.

              5.  Значення        оголошуємо  локальним  (по  відношенню  до  околиці  Хеммінга

          (  ,   − 1)) мінімумом функцій  .


              При переході до перебору елементів (п.3) округа Хеммінга    (  ,  ) з   >


        досить розглядати точки, що належать безлічі   (  ,  )/  (  ,   − 1), тобто поверхні




        Хеммінга   (  ,  ).


              Алгоритм, що реалізує метод вектора спаду, сходиться до точного рішення задачі
        цілочисельного  програмування  при  досить  широких  припущеннях  про  структуру

        оптимізується  цільової  функції.  Зокрема,  збіжність  алгоритму  (при  відповідному

        виборі радіуса         ) має місце при остаточному безлічі визначення цільових функцій.

              Якщо вирішується оптимізаційна задача з функцією, не задовольняє отриманим

        достатнім умовам, в алгоритм вводяться додаткові критерії закінчення пошуку. Таким

        критерієм може бути кількість кроків пошуку або тривалість його за часом, а також

        оцінка  min ( ),  отримана  за  допомогою  алгоритму  статистичної  оцінки
                     ∈

        екстремальних значень (див. §8.6).

              Результати       машинного        експерименту         [69]    щодо      вирішення        завдань

        цілочисельного  програмування  показали  високу  ефективність  застосування  методу
   170   171   172   173   174   175   176   177   178   179   180