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