×

ASTRO-DF公司

swMATH ID: 26833
软件作者: Sara Shashaani;Fatemeh S.哈希米。;帕苏帕蒂,拉格
描述: ASTRO-DF:一类用于无导数随机优化的自适应采样信赖域算法。我们考虑无约束优化问题,其中只有目标函数的“随机”估计可以作为蒙特卡洛预言机的复制来观察。假设蒙特卡罗预言机不提供函数梯度的直接观测。我们提出了ASTRO-DF——一类无导数的信任域算法,其中构造、优化和迭代更新了随机局部模型。ASTRO-DF中的函数估计和模型构建是自适应的,因为蒙特卡罗采样的范围是通过持续监测和平衡ASTRO-DF中的采样误差(或方差)和结构误差(或模型偏差)来确定的。这样的误差平衡旨在确保ASTRO-DF中的蒙特卡罗努力对算法轨迹敏感:当推断迭代接近临界点时采样较高,而当距离较远时采样较低。当使用随机多项式插值模型时,我们证明了ASTRO-DF迭代到一阶临界点的几乎必然收敛性。使用更复杂的模型(例如回归或随机克立格)与自适应抽样相结合的问题值得进一步研究,并将受益于本文提出的证明方法。我们推测ASTRO-DF的迭代达到了规范化的蒙特卡罗收敛速度,尽管还没有得到证明。
主页: https://epubs.siam.org/doi/10.1137/15M1042425
关键词: 无导数优化;仿真优化;随机最优化;信任区
相关软件: 乌比卡;R样条;NOMAD公司;OrthoMADS公司;DFO公司;IMFIL公司;COMPASS(指南针);EGO公司;轨道;DFLGEN公司;DFLBOX公司;SimOpt公司;DFL公司;布伦特;NEWUOA公司;SNOBFIT公司;多最小值;MOIF公司;增压器;DGM公司
引用于: 19文件

按年份列出的引文