M.J.阿佩尔。;拉巴雷,R。;拉杜洛维奇,D。 加速随机搜索。 (英语) Zbl 1061.65046号 SIAM J.Optim公司。 14,第3期,708-731(2003). 摘要:介绍了用于函数优化的纯随机搜索(PRS)的一种新变体。基本的有限下降加速随机搜索(ARS)算法很简单:搜索仅限于缩小以前生成记录的值的邻域,当发现新记录时,搜索邻域将重新初始化为整个空间。通过包含一个自动重新启动功能来避免局部最大值,该功能在执行了一些收缩步骤后重新初始化搜索邻域。本文的一个目标是对ARS和PRS进行严格的数学比较。结果表明,ARS过程产生的序列通过可调节的时间步长的大倍数,以概率1收敛到连续目标函数的最大值,比PRS过程更快(定理)。对于无限期(无自动重新启动)版本的ARS,证明了如果目标函数满足局部非平坦条件,则记录间时间分布的右尾比PRS(定理)的右尾指数小。报告了ARS、PRS和三个准Newton型优化例程之间的性能比较,以试图找到(i)两个变量的标准测试函数的小集合中的每一个的极值,以及(ii)具有随机根的d维多项式的极值。还报告了ARS、PRS和模拟退火算法在试图解决旅行推销员问题时的三种性能比较。 引用于1审查引用于24文件 MSC公司: 65千5 数值数学规划方法 90立方厘米 随机规划 90元53 拟Newton型方法 65二氧化碳 蒙特卡罗方法 关键词:随机搜索;随机优化;全局优化;性能比较;模拟退火;旅行推销员问题;方法比较;准牛顿法;蒙特卡罗方法的数值例子 PDF格式BibTeX公司 XML格式引用 \textit{M.J.Appel}等人,SIAM J.Optim。14,编号3708-731(2003年;兹bl 1061.65046) 全文: 内政部