Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
| Код |
563991 |
| Дата создания |
2019 |
| Страниц |
42
|
Мы сможем обработать ваш заказ (!) 24 июня в 14:00 [мск] Файлы будут доступны для скачивания только после обработки заказа.
|
Содержание
ВВЕДЕНИЕ 4
1 РАССМОТРЕНИЕ АЛГОРИТМОВ РЕШЕНИЯ ОДНОМЕРНОЙ
ЗАДАЧИ И МЕТОДОВ ОЦЕНКИ КОНСТАНТЫ ЛИПШИЦА 6
1.1 Алгоритм решения задач с недифференцируемой целевой функ¬цией и априорно заданной оценкой константы Липшица 6
1.2 Алгоритм информационно-статистического метода решения задач
с недифференцируемой целевой функцией с адаптивным оцениванием глобальной константы Липшица 7
1.3 Алгоритм решения задач геометрическим методом с недифферен¬
цируемой целевой функцией и адаптивным оцениванием локальных констант Липшица 10
1.4 Способы оценивания константы Липшица 12
2 МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ И РАЗРАБОТАНЫЙ
АЛГОРИТМ 15
2.1 Обучение нейронной сети 15
2.2 Информационно-статистический метод решения задач с недиф¬
ференцируемой целевой функцией и адаптивным оцениванием глобальной константы Липшица 17
3 ИСХОДНЫЕ ДАННЫЕ И РЕЗУЛЬТАТЫ ВЫЧИСЛИТЕЛЬНЫХ
ЭКСПЕРИМЕНТОВ 21
ЗАКЛЮЧЕНИЕ 32
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 33
ПРИЛОЖЕНИЕ 1 Код алгоритма решения задач геометрическим методом с недифференцируемой целевой функцией и адаптивным оцениванием локальных констант Липшица с применением машинного обучения 36
Введение
Одномерные задачи глобальной оптимизации являются базовыми алго¬ритмами, которые используются для построения быстрых многомерных ме¬тодов. У таких задач имеется практическое значение, они нередко возникают в различных областях: электроники, электротехники и многих других.
Сложности решения одномерных задач связаны с требованием боль-шого количества вычислительных ресурсов. Для решения таких задач используются алгоритмы, которые были специально разработаны для решения одномерной задачи:
f * = f (х*) = minf (х), (1)
где а < х < b. В таких задачах целевая функция f (х) будет являться много-экстремальной функцией, которая выполняет условие Липшица.
Рассматриваются три подхода решения одномерных задач глобальной оптимизации. Первый подход состоит из различных методов геометриче¬ского типа, которые в процессе поиска глобального решения создают дополнительные функции. Данные функции аппроксимируют целевую функ¬цию f (х) в области поиска.
Второй подход является информационно-статистическим. Данный под¬ход объединяет методы, в алгоритмах которых поиск глобального минимума строятся на основе вероятностной модели целевой функции.
Третий подход даёт возможность создать методы глобальной оптимиза¬ции, которые в процессе поиска настраиваются на локальное поведение целе¬вой функции в различных частях допустимой области. Суть метода заключа¬ется в сопряжении глобальной и локальной информации при адаптивном оценивании локальных констант Липшица.
Фрагмент работы для ознакомления
Диплом, хорошо написан на питоне. Используется машинное обучение
Исходный код есть
Защищался в магнитогорске, можно спокойно юзать
Список литературы
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Гришагин, В.А. Сравнительная оценка эффективности синхронных и асинхронных рекурсивных алгоритмов глобальной оптимизации. Материалы третьего Международного научно-практического семинара «Высокопроизво¬дительные параллельные вычисления на кластерных системах» / В.А. Гри¬шагин, Д.Е. Квасов, Я.Д. Сергеев // Н. Новгород: Издательство ННГУ. - 2003. - С. 243-246.
2. Иванов, В.В. Об оптимальных алгоритмах минимизации функций не¬которых классов / В.В. Иванов //Кибернетика. - 1972. - Т. 4. - С. 81-94.
3. Марчук, Г.И. Методы вычислительной математики. 3-е издание / Г.И. Марчук. - М.: Наука - 1989.
4. Неймарк, Ю.И. Информационный подход к задаче поиска экстре-мума функций. Изв. АН СССР. Техническая кибернетика / Ю.И. Неймарк, Р.Г. Стронгин // 1966. - Т. 1. - С. 17-26.
10. Сергеев, Я.Д. Диагональные методы глоб. оптимизации / Я.Д. Сер¬геев, Д.Е. Квасов // М.: ФИЗМАТЛИТ. - 2008. - 352 с.
11. Сергеев Я.Д. Краткое введение в теорию липшицевой глобальной оптимизации: учебно-методическое пособие / Я.Д. Сергеев, Д.Е. Квасов // Нижний Новгород: Изд-во ННГУ. - 2016. - 48 с.
12. Сергеев, Я.Д. Одномерный детерминированный алгоритм глобаль¬ной минимизации. Ж. вычисл. матем и матем. физ / Я.Д. Сергеев. - 1995. - С. 705-717.
13. Стронгин, Р.Г. Информационный метод многоэкстремальной мини¬мизации при измерениях с помехами. Изв. АН СССР / Р.Г. Стронгин // Техническая кибернетика. - 1969. - Т. 6. - С. 118-126.
14. Стронгин, Р.Г. О сходимости одного алгоритма поиска глобального экстремума. Изв. АН СССР / Р.Г. Стронгин // Техническая кибернетика. - 1973. - С. 10-16.
15. Стронгин, Р.Г. Численные методы в многоэкстремальных задачах / Р.Г. Стронгин. - М.: Наука - 1978. - 128 с.
16. Стронгин, Р.Г Поиск глобального минимума / Р.Г. Стронгин. - М.: Знание - 1990.
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00519