Главная » Просмотр файлов » Л.А. Растригин - Теория и применение случайного поиска

Л.А. Растригин - Теория и применение случайного поиска (1121205), страница 19

Файл №1121205 Л.А. Растригин - Теория и применение случайного поиска (Л.А. Растригин - Теория и применение случайного поиска) 19 страницаЛ.А. Растригин - Теория и применение случайного поиска (1121205) страница 192019-05-09СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 19)

Кифсром н Д. Вольфовицем 12]. Первая работа связана с отысканием корня функции, на которую накладывается помеха, вторая — с отысканием максимума (нли минимума) функции, на которую также накладывается помеха. Эти методы являются, по сути дела, модификацией метода градиента. Более широкое обобщение методов стохастической аппроксимации дано в работах 13--5], а подробный обзор дан в работе 15]. В работе ]7] показано, что самые разнообразные задачи идентификации, распознавания изображений, исследования операций и т.

д. связаны с методами стохастнческой аппроксимации. Однако в последнее время широкое распространение получили также и методы случайного поиска, которые успешно конкурируют с градиентными методами. Это и дало основание рассчитывать на большук~ эффективность случайного поиска по сравнению со стохастической аппроксимацией, предназначенной для отыскания экстремума функции. Наша задача заключается в оценке сходимостей обоих методов на одинаковых объектах.

Предварительно декан<ем сходимость алгоритма случайного поиска. пв й 52. СХОДИМОСТЬ АЛГОРИТМА СЛУЧАЙНОГО ПОИСКА Предложенные в методе стохастической аппроксимации критерии сходимости могут быть разбиты на два класса. !( первому классу относится критерии, применение которых требует подбора последовательностей, удовлетворяющих специальным требованиям. Примером такого критерия служит критерий, установленный в теореме Дворецкого. Второй класс критериев сходимостн содержит прямые (непосредственно проверяемые) условия, т.

е. позволяет вопрос о сходимостн решить алгоритмнчески [5). В настоящем параграфе будут рассмотрены оба критерия относительно метода случайного поиска. Пусть 1"1'(Х) — случайная функция; Я(Х) =МЯ'(Х) — - функция регрессии. Требуется найти значение Х*, при котором Я(Х) достигает своего единственного экстремума (минимума). Алгоритм стохастнческой аппроксимации, решающий данную задачу, записывается либо в виде Х,ч.~==Х; — а, Игаб'1.1(Х), (5.2.1) где дгаг) Я'(Х) = , , -- — градиент функции Я'(Х) дЯ'(Х) дЯ'(Х) дх, ''''' дх„ в точке Х= (хь, .., х„), либо в виде Х,ы — — Х;+ — '-Я'.г(Х;д,) — Я' (х;и;)), (5.2.2) Я~ где 9'~(Х, д) =[Я'(Х~де,),..., (~'(Х.+де„)); е~ = ( 1, О, О, ..., О), ез= (О, 1, О, ..., О), ..., е„ = (О, О, О, ..., 1 ) — базисные векторы; аь д, — некоторая последовательность положительных вещественных чисел.

Однако данную задачу может решать алгоритм случайного поиска с епарными пробами», который записывается в виде Х;+~ = Х; — а;д;-'АЯ'(и,.) Вь (5,2.3) где АЯ'(д;) =Я'(х;+й;Е,) — 1е'(х; — д, Я,); 119 Е = (ь!,..., о„) — случайный вектор, конец которого равномерно распределен на п-мерной гиперсфере с единичным радиусом, Х= (хь...,х„) — вектор аргументов. 1.

Докажем теорему о сходимости последовательности (5.2.3), которая является обобщением результатов работы [9). Теорема. Пусть функция 9(Х) имеет непрерывные первые дав и вторые производные, причем д д ограничены для всех дхадх А, т=1,...,п и ппп ! !(Х) > — оо. Пусть далее выполнены условия: (5.2.4) ~, а;=оо; ! ! ~; аРа,— (5.2,5) ;=! ~„а!й!! <., оо; о ! М(м'(Х!) — !',!(Х;)1Х„..., Х„) =!3; М((() (Х!) — ()(Х,)) )хь... Х!) ~й.~-; д!-~М(ЛЩ(д!)(1Е,))з/Х!... Х;) -й!< оо где йж йь ..

— положительные константы; ИЛ=( Х вз!ь)': — ноРма вектоРа Еь а- ! Тогда последовательность (5.2.3) сходится в точке Ха с вероятностью !. Доказательство. Обозначим через (Х, 7) = ~, хьр1, скаляр. ь-! нее произведение Х и У, а через В(Х) — матрицу вторых прои 1- водных функций (,1(Х) в точке Х. Разложим (1(Х!! !) по формуле Тэйлора: !!(Х;+!) =Я(Х;) — а!д,-!(Л!1'(д!)Еь пгаб 1!(Х!))+ + —.0,2а!-2ЛУТЫ<В(Х,— 1аМ'Ыа! 'Е!)Еь Е;) "- =Я(Х!) — а!у!-'(ЛЯ'(д!)Еь дга!1 Я(Х!))+ + — а! д!ЧРЯ'(д!) й,!)ЕЯ', 1 !20 Тогда д;-'М(т'(ц,:)Е;/Х,...

Х,) = = й4 ягас( Я(Х;) +г;до (5.2.! 3) где г; — и-мерный вектор, составленный из злементов /г,(х). Из (5.2.8) и (5.2.9) вытекает следующее неравенство: а. 'М (Л%'(В) !! Ел'/Хь..., Хм) = =-д -'[М([Лд (д ) !!Е !!Р/Хп ", Х*) +а 'М([Лд'(д ):с Х!!Е;!! — М(й;) [!Е;!!)'/Х,,..., Х;) л,+ +а* 'М(([9'(Х +4/'Е') — ЖХ*-+а*Е') Р+ +2 [Я'(Х;+д;Е;) — Я(Х;+дгЕ!)) [Я'(Х;— — д;Е,) -О(Х,-д,Ег)[+[О (Х,-д,Ег)— — Я(Х; — д Е')[')ЦЕ !!'/Хь..., Х|) =11+4/ганг — з.

(5.2.!4) !1одставляя (5.2.13) и (5.2.!4) в (5.2.11), получим М(д(Х,„)/Хь..., Х,) «Ц(Х,) — '~~'--'Х х (Ьт(а,) Е;/Х„..., Х,), д; — М[ЛЮ'(я;) Е;/Х„... ., Х;]-г;а;>+ — ' А++ -4) (5.2.15) где О =1=' 1. Последнее неравенство получается в силу ограниченности вторых производных. Возьмем от обеих частей неравенства (5.2.10) условное математическое ожидание при данных х„..., х;: МЯ[(Хгы)/Хь... Х,) -.Я(Х;) — а;а;-'(вагаб ЯХ Х (Х;), М (ЛЯ'(д;) Е;/Хп..., Х;) ) + —,аРу; — Чз Х ХМ(ЬЯ'(д;) [!ЕДз/Хь... Х,), (5.2.!!) Определим д;-чМ(ЛЯ'(д;)Е;). Учитывая, что Мве,х= —, имеем и* д; 'М (Л'Я'(у,) фгх/Хь..., Х;) = 1 =М ([2(дгаб Я(Х;), Е;)+ — д.;([В(Х;+ +/~д;Е;) — В(Х; — /зд;Е,) [ Еь Ед) $гхХь... ..., ХД вЂ” - — +/гз(х) дь 2 д() (Х) и дхь (5.2.12) В силу неотрицательности численного значения нормы и неравенстваа Каши — Буняковского М(Ц(Хгы))Хь..., Х,) «д(Х;) + + — '(гь М(ЬЯ'(й;) Е;/Хь..., Х;))в 4 "'а' цм(ЛЯ'(а;)Е,(Хь..., Х;) цт+ала,-ЧБК ~О(Х,-)+ — "цг,~!(М(ЛзО(д,) цВ,~!з)Хь..., Х,)!'-+ +алй';-зйз~Я(Х,)+ — 'д;ЦгЦй|ч1+йзалй;-', (5.2.16) где цгц=шахцг;ц.

! Это равносильно неравенству м(г, )хь..., Х;) ~кь (5.2.17) где йт О Й Х;=я(Х;)+ — 'цгц ~, а,й~+йз ~, а',й,— '. й4 Ь-1 Ь (5.2.18) Взяв условное математическое ожидание прн данных Яь...,У; от обеих частей неравенства (5.2.17), получаем М(Х; )гь..., Х;) ~Кь (5,2.! 9) Неравенства (5.2.19) показывает, что У; — полумартиигал, причем МУ;+,~МХ,~...<МЕ1 ~со, МЯ(Х;) "'ео. Осталось доказать, что Р(Игп Я(Х;) =ф„ы)=!.

(5.2.20) (5.2.21) так что, согласно теории полумартннгалов, последовательность Х! сходится с вероятностью ! к пределу, а значит, в силу (5.2.5) и (5,2.6), из (5.2.18) следует сходимость Я(х,) с вероятностью 1 к некоторой случайной величине. Причем из (5,2.18) следует, что Доказательство (5.2.21) проводится по методу, приведенному в (9). Из сходнмости Я(Х,) следует ее ограниченность с вероятностью 1.

Множество (Х: Я(Х) ~Щ является компактом, следовательно, угад Я(Х;) и !!ягад 9(Х,) !! являются ограниченнымн величинами. Пусть игаг( Я(Х,) !! - А=сопз1. Используя (5.2,13) и (5.2.!4), перепишем (5.2.!1) в следующем виде: М(Я(Х;+,)Хь..., Х;) =()(Х,— а,(игай 1~(Х;); й, угад Я(Х;) 4-г;уф+а,'йг-Чь~Я(Х;)— --ьпй,!!пгаг( Я(Х,) !Р+д,а;!!дгаг( Я(Х;) !! Х 'р,'!!г;!!+ аРИ;-~й~ -Ц(Х,) — ьпй4!!огай Я(Х;) !Р+ +а;д;А!!г!!+пай, тйь (5.2.22) Возьмем математическое ожидание от обеих частей неравенства (5.2.22): М9 (Хг м) .= й(Я (Х,.) — а АМ !! дгаг( () (Х,) Р+ +а;й,А!!г!!+а$2а;.тй5.

(5.2.23) Неравенство (5.2.23) можно переписать так: М9(Хьы) (Я(Х~) -й4 2, а,М!!йтао Я(Х,) !!~+ в ! +А!!г!! ~~ а„д,„+йз ~, пад,.'. (5.2.24) Из (5.2.24) и (5.2.5), (5.2.6), (5.2.20) следует, что ~ а,,М!!йтаг( Я (Х,) !Р ~ сю, з-! (5.2.25) !23 Учитывая (5.2.4), из (5.2.25) получаем М!!угад Я(Х,)!!т- О, т.

е. последовательность угад 9(Х,) сходится к нулю в среднем квадратическом. Это гарантирует существование подпоследовательности йгад1,1(Х х), сходящейся к нулю с вероятностью !. Принимая во внимание непрерывность функции Я(Х) и сходимость последовательности 1,~(Х;) к пределу с вероятностью 1, получаем доказательство теоремы. Покажем, что процедура случайного поиска дуовлетворяет условиям теоремы Дворецкого [1], откуда также следует сходимость с вероятностью 1 и в среднем квадратическом. Для этого воспользуемся теоремой 2 из [5], в которой доказывается сходпмость алгоритма (5.2.2) в силу того, что он удовлетворяет условиям теоремы Дворецкого, многомерное обобщение которой дано в теореме 1 из [5].

Теореиа 2 из [5] формулируется следующим образом. Пусть а, и и! — последовательность положительных чисел, удовлетворяющих условиям: ~ а!= ! -! (5.2.26) ~„ а!д! - со; ! — ! йщ й;==О. (5,2.27) (5.2.23) Пусть далее (5.2.29) М~~ХД'< И [()'(Х) -д(Х)Р~<о Для всех Хен)с" (5.2.30) Предположим, что для некоторого ер)0 (О-д~еа) существуют такие постоянные А и В, при которых для всех Хая)с" имеет место Щ (Х, й) — 1~ (Х, й) и ~А ~~Х вЂ” Х*!!+ В, (5 231) ИЯ+(Х б) З-(Х.б)П) >О о~о о !24 а где й Х!) = ( ~ хьз) ч . а=! Кроме того, предположим, что для произвольных постоянных о и !'. (0<й<Е) существуют такие е!>О (0<у=- е!) и й<!!Х вЂ” Х ))<1., при которых для й>= имеет место !! ! т'2 <(Х-Х*),[И (Х,а) — () (Х,а®» ~йЦХ-Х*!! Я+(Х, д) — Я (Х, и) )! (5.2.32) тогда (5.2.34) Р !пп (Х,=Х*) =1; ~'-~ О !пп М!~Х; — Х~!!'=0 (5.2.35) Для того чтооы доказать сходнмость алгоритма (5.2,3), представим случайный вектор ЛЯ(й)Я в виде вектора Ма (ЛЯ(д)Я) и случайного вектора с нулевым математическим ожиданием и ковариационной матрицей Ма(Л'9(д)ЯЯт).

Здесь Т -- знак транспонировання; Ма — осреднение по Я. Замеьп|м в условиях (5.2,32), (5.2.33) вектор Я+(Х, д) — Я (Х, д) на Мв (Щ(й)Е). Условия (5.2.26) — (5.2.30) остаются без изменения. Используя (5.2.30), получим, что суммарная дисперсия случайного поиска М[(~'(Х) -а(Х))з+!уа!!Да(д) Я!!'~й,: так как элементы ковариацпонной матрицы сот[5!;!(й) ХЯ) ограничены из-за того, что условие (5.2.31) для алгоритма (5.2.3) записывается в виде !![()(Х+дЯ) — а(Х вЂ” дЯ)) Я~!~А!!Х вЂ” Х")!+В. Теперь, повторяя дословно доказательство теоремы 2 из [5], получим доказательство сходимости алгоритма (5.2.3).

3, Заметим, что сходимость с вероятностью 1 и в среднем квадратическом имеет место для алгоритмов (5.2.2) и (5.2.3), если условия 1) !п!((Х вЂ” Х")„дгадЯ(Х)У= 0 при всех е~О; а<за 2) для всех й' и Хеп)с существует такое о>0, что М!!угад Я'(Х) !!з =а(1 — ХтХ) в теореме 1 из [8) заменить на условия Г) й-'!и! ((Х вЂ” Х"'),[Яч.(Х, д) — (,! (Х,д))))0 при всех е)0; е<;!х- х*~,'<~ 2') для всех д и Хан)с" существует такое И>0, что И-'МЩ' (Х,а) — д' (Х, К) )!'«а(!+Хтх) для алгоритма (5.2.2), либо на условия 125 1") д '!п(((Х вЂ” Х*),Ма(АЯ(д)Е)))О при всех е~О; а.,х -х"„м 2") для всех Хее!с" существует такое д>0, что д-з~ь1(х() з(,) 1~ Р)~~д(1 ! ХтХ) $ ВЗ. СОПОСТАВЛЕНИЕ СЛУЧАИНОГО ПОИСКА И СТОХАСТИЧЕСКОИ АППРОКСИМАЦИИ В ЗАДАЧАХ ОПТИМИЗАЦИИ Рассмотрим сначала метод стохастической аппроксимации.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6508
Авторов
на СтудИзбе
302
Средний доход
с одного платного файла
Обучение Подробнее