On 22 Lip, 10:16, "slawek" <s...@h...pl> wrote:
> Użytkownik "Mariusz Marszałkowski" <m...@g...com> napisał w wiadomości
> grup
> dyskusyjnych:99ca78d6-5bcd-4a25-8c58-bc3efa80e...@e5
g2000yqn.googlegroups.com...
>
> > Już czytałem nie jedno, więcej nie dam się nabrać :) Podejrzewam że
>
> Szukamy ekstremum globalnego. Mamy do wyboru algorytmy: losowe, gradientowe,
> sympleks, studzenie, genetyczne. Czy coś pominąłem?
>
> Powtórzenie obliczeń algorytmem tej samej klasy da przypuszczalnie to samo
> minimum lokalne. A tego nie chcemy. Różne mogą być funkcje i dla niektórych
> algorytm genetyczny może być lepszy. Ponadto genetyczny nieźle się
> paralelizuje chyba. Daje radę ze zmiennymi dyskretnymi. Random jest zbyt
> drogi gdy zmienne idą do nieskończoności.

Zgoda że AG ma szanse wypaść najlepiej, ale dopiero gdy to będzie
baaaardzo
trudna funkcja. Dopiero gdy to będzie taka funkcja, że zmiana jednego
bitu będzie
powodowała bardzo duże wahanie wartości funkcji.

W przypadku gładkich funkcji jednomodalnych zawsze lepiej wypadnie
algorytm
gradientowy. W przypadku gładkich wielomodalnych - gradientowy z
multistartem.
Zastosowanie AG to ostateczność, gdy nic innego nie działa.

Pozdrawiam