Documente Academic
Documente Profesional
Documente Cultură
2
Criterii de comparatie a performantelor algoritmilor iterativi de
optimizare:
-viteza de convergenta catre punctul de minim,
-nivelul de incredere ca punctul de minim gasit este global.
Marimea care reflecta progresul algoritmilor de optimizare este
valoarea Fok a functiei obiectiv la pasul k (valoarea trebuie sa
scada spre punctul de minim). Daca valoarea Fok nu mai scade un
anumit numar de iteratii este posibil ca algoritmul sa fi gasit un
punct de minim. Totusi este apriori dificil de spus daca acest
punct este sau nu un punct de minim global.
Viteza de convergenta este de regula estimata prin numarul de
evaluari ale lui Fo, necesare pentru a reduce valoarea functiei sub
o limita impusa.
In ceea ce priveste nivelul de incredere trebuie mentionat faptul
ca daca Fo prezinta atat minime locale cat si minime globale
niciun algoritm de optimizare nu garanteaza in mod absolut
convergenta spre minimul global.
3
Exemple de functii test pentru algoritmi de optimizare
Functie convexa cu un parametru: f(x) = 2*x2
4
Exemple de functii test pentru algoritmi de optimizare
Functie cu un parametru si mai multe puncte de minim local:
g(x) = –|cos(1.5*p*t)| + 10*(t – 0.25)2
5
Exemple de functii test pentru algoritmi de optimizare
Functia Rosenbrock cu 2 parametri: R(x, y) = 100*(y – x2)2 + (1 – x)2
Domeniu de cautare restrans: xϵ[-2, 2], yϵ[-2, 2])
Punct de minim
(x, y)min = (1, 1)
6
Functia Rosenbrock cu 2 parametri: R(x, y) = 100*(y – x2)2 + (1 – x)2
Domeniu de cautare restrans: xϵ[-2, 2], yϵ[-2, 2])
-curbe de nivel-
Punct de minim
(x, y)min = (1, 1)
7
Camila cu 6 cocoase, domeniu de cautare restrans: xϵ[-2, 2], yϵ[-2, 2])
C(x, y) = (4 – 2.1 * x2 + 1/3 * x4) * x2 + x*y + (– 4 + 4*y2)*y2
-relief 3D-
10
6
Camila
-2
2
1 2
0 1
0
-1 -1
-2 -2
Y X 8
Exemple de functii test pentru algoritmi de optimizare
Camila cu 6 cocoase (domeniu de cautare redus)
C(x, y) = (4 – 2.1 * x2 + 1/3 * x4) * x2 + x*y + (– 4 + 4*y2)*y2
-curbe de nivel-
1 Minim global
(x, y)min = (-0.0896, 0.7126)
Minim Minim
0.5
local local
0
Y
-1