нкції менше, ніж у центрі, то подальший пошук триває з цієї точки. Інакше пошук триває зі старого центру, але з меншим кроком до тих пір, поки він не стане менше заздалегідь заданої величини R.
В
Малюнок 1.1 - Гіперсфера отримана в результаті застосування даного методу
1.2 Адаптивний метод випадкового пошуку
Спочатку задається початкова точка х В°. Кожна наступна точка знаходиться за формулою:
x k + l = х до + t k ? до (1.2)
де t k > 0 - величина кроку; ? до - випадковий вектор одиничної довжини, що визначає напрямок пошуку; k - номер ітерації. На поточному ітерації за допомогою генерування випадкових векторів ? до виходять точки, що лежать на гіперсфері радіусу t k з центром в точці х до відповідно з малюнком 1.2.
В
Малюнок 1.2 - Гіперсфера отримана в результаті застосування даного методу
Якщо значення функції в отриманій крапці не менше, ніж у центрі, крок вважається невдалим, відбувається повернення в поточний центр і пошук триває. Якщо число невдалих кроків з поточної точки досягає деякого числа М, подальший пошук триває з тієї ж точки, але з меншим кроком до тих пір, поки він не стане менше заздалегідь заданої величини R. Якщо при цьому значення функції знову менше, ніж у центрі, напрямок вважається вдалим і подальший пошук триває з цієї. Якщо ж значення функції стало не менше, аніж в центрі, напрямок вважається невдалим і пошук триває зі старого центру. br/>
2. Опис алгоритмів
Крок 1. Задати початкову точку , коефіцієнт стиснення , M - число випробувань на поточному ітерації, = 1 - початкову величину кроку, R - мінімальну величину кроку, N - максимальне число ітерації. Покласти k = 0, j = 1.
Крок 2. Отримати М реалізацій випадкового вектора , j = 1, ..., M, де - випадкова величина, рівномірно розподілена на інтервалі [-1,1].
Крок 3. Обчислити , j = 1, ..., M.
Крок 4...
