Применение диагонального подхода Сергеева и Квасова к построению методов глобальной оптимизации непрерывных функций многих переменных

Обложка

Цитировать

Полный текст

Аннотация

В данной работе предлагается обобщение алгоритмов Стронгина и Пиявского поиска глобального экстремума в диагональной модификации Сергеева и Квасова на случай непрерывных функций многих переменных на многомерном параллелепипеде. Алгоритм Сергеева и Квасова, эффективно переносящий идеи одномерных алгоритмов Стронгина и Пиявского на многомерный случай, применим только для липшицевых функций. Авторами предлагается модификация указанного метода на непрерывные функции с применением введенного Вандербеем Р. Дж. (Vanderbei R. J.) свойства ε-липшицевости, являющегося обобщением классического неравенства Липшица. Вандербей доказал, что любая равномерно непрерывная на выпуклом множестве функция с необходимостью и достаточностью обладает указанным свойством. Поскольку многомерный брус является выпуклым компактом, то в данной статье от целевой функции требуется только лишь непрерывность на области поиска. Авторами описываются шаги алгоритмов обобщённых методов Стронгина и Пиявского в модификации Сергеева и Квасова и доказываются достаточные условия сходимости. В качестве примера работы представленных методов в конце статьи приведены результаты расчетов для различных непрерывных, но не липшицевых функций с использованием трех известных стратегий разбиения: «деление на 2», «деление на 2N» и «безызбыточная». Для первых двух стратегий указаны формулы вычисления новой поисковой точки и пересчета приближенной оценки ε-постоянной, а также предложена модификация алгоритмов, позволяющая рассчитывать новую поисковую точку на любом шаге.

Об авторах

Владислав Иванович Заботин

КНИТУ-КАИ им. А. Н. Туполева

Email: v.zabotin@rambler.ru
ORCID iD: 0000-0002-0732-5380

доктор технических наук, профессор кафедры прикладной математики и информатики

Россия, 420015, Россия, г. Казань, ул. Большая Красная, д. 55, к. 7

Павел Андреевич Чернышевский

КНИТУ-КАИ им. А. Н. Туполева

Автор, ответственный за переписку.
Email: pavelcomm@mail.ru
ORCID iD: 0000-0001-5036-6375

аспирант кафедры прикладной математики и информатики

Россия, 420015, Россия, г. Казань, ул. Большая Красная, д. 55, к. 7

Список литературы

  1. Пиявский С. А. Один алгоритм отыскания абсолютного минимума функций // Теория оптимальных решений. 1967. Т. 2. С. 13–24.
  2. Пиявский С. А. Один алгоритм отыскания абсолютного экстремума функций // Ж. вычисл. матем. и матем. физ. 1972. Т. 12, № 4. C. 885–896. DOI: https://doi.org/10.1016/0041-5553(72)90115-2
  3. Евтушенко Ю. Г. Численный метод поиска глобального экстремума функции (перебор на неравномерной сетке) // Ж. вычисл. матем. и матем. физ. 1971. Т. 11, № 6. С. 1390–1403. DOI: https://doi.org/10.1016/0041-5553(71)90065-6
  4. Shubert B. A sequential method seeking the global maximum of a function // SIAM J. Numer. Anal. 1972. Vol. 9, No. 3. pp. 379–388. DOI: https://doi.org/10.1137/0709036
  5. Стронгин Р. Г. Численные методы в многоэкстремальных задачах. М.: Наука, 1978. 240 с.
  6. Сергеев Я. Д., Квасов Д. Е. Диагональные методы глобальной оптимизации. М.: Физматлит, 2008. 352 с.
  7. Гелбаум Б., Олмстед Дж. Контрпримеры в анализе. М.: Мир, 1967. 251 с.
  8. Vanderbei R. J. Extension of Piyavskii’s algorithm to continuous global optimization // Journal of Global Optimization. 1999. Vol. 14. pp. 205–216. DOI: https://doi.org/10.1023/A:1008395413111
  9. Romaguera S., Sanchis M. Semi-Lipschitz functions and best approximation in quasimetric space // J. Approx. Theory. 2000. Vol. 103, No. 2. pp. 292–301. DOI: https://doi.org/10.1006/jath.1999.3439
  10. Jouini E. Generalized Lipschitz functions // Nonlinear Anal. 2000. Vol. 41. pp. 371–382.
  11. Садыгов М. А. Задачи на экстремум c ограничениями в метрическом пространстве // ДАН. 2013. Т. 52, № 5. С. 490–493. DOI: https://doi.org/10.7868/S0869565213300075
  12. Sergeyev Y. D., Candelieri A., Kvasov D. E., Perego R. Safe global optimization of expensive noisy black-box functions in the δ-Lipschitz framework // Soft. Comput. 2020. Vol. 24, pp. 17715–17735. DOI: https://doi.org/10.1007/s00500-020-05030-3
  13. Заботин В. И., Чернышевский П. А. Две модификации обобщенного метода Пиявского поиска глобального минимума непрерывной на отрезке функции и их сходимость // Вестник Тверского государственного университета. Сер. «Прикладная математика». 2021. № 3. С. 70–85. DOI: https://doi.org/10.26456/vtpmk624
  14. Арутюнова Н. К. Метод Евтушенко поиска глобального минимума ε–липшицевой функции и его приложения // Вестник КГТУ им. А. Н. Туполева. 2013. № 2. С. 154–157.
  15. Arutyunova N. K., Dulliev A. M., Zabotin V. I. Models and methods for three external ballistics inverse problems // Вестник Южно-Уральского государственного университета. Сер. «Математическое моделирование и программирование». 2017. Т. 10, № 4. С. 78–91. DOI: https://doi.org/10.14529/mmpl70408
  16. Zabotin V. I., Chernyshevskij P. A. Extension of Strongin’s global optimization algorithm to a function continuous on a compact interval // Computer Research and Modeling. 2019. Vol. 11, No. 6. pp. 1111–1119. DOI: https://doi.org/10.20537/2076-7633-2019-11-6-1111-1119
  17. Arutyunova N. K., Dulliev A. M., Zabotin V. I. Global optimization of multivariable functions satisfying the Vanderbei condition // J. Appl. Math. Comput. 2022. Vol. 68, No. 3. 1135–1161. DOI: https://doi.org/10.1007/s12190-021-01563-4
  18. Заботин В. И., Чернышевский П. А. Алгоритм вычисления минимальной оценки ε-постоянной Липшица непрерывной функции // Вестник КГТУ им. А. Н. Туполева. 2018. № 2. С. 127–132.
  19. Sergeyev Y. D. Efficient strategy for adaptive partition of N-dimensional intervals in the framework of diagonal algorithms // Journal of Optimization Theory and Applications 2000. Vol. 107. pp. 145–168. DOI:
  20. https://doi.org/10.1023/A:1004613001755

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Заботин В.И., Чернышевский П.А., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Мы используем файлы cookies, сервис веб-аналитики Яндекс.Метрика для улучшения работы сайта и удобства его использования. Продолжая пользоваться сайтом, вы подтверждаете, что были об этом проинформированы и согласны с нашими правилами обработки персональных данных.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).