Algorytmy ewolucyjne Kolos 1

1. Podaj definicj gradientu i hesjanu funkcji f(x). Podaj algorytm

obliczania gradientu w przypadku, gdy wartoci wskanika jakoci
optymalizacji s wynikiem dziaania symulatora (analityczna posta
funkcji
celu
nie
jest
dostpna). ??????????????????????????????????????????????
Gradient f definuje si jako pole wektorowe o skadowych bdcych pochodnymi
czstkowymi f. Wskazuje ono kierunki najszybszych wzrostw wartoci danego pola
skalanego w poszczeglnych punktach .

Hesjan
macierz drugich pochodnych czstkowych funkcji o wartociach
rzeczywistych dwukrotnie rniczkowalnej w pewnym punkcie dziedziny.
2. Podaj cztery moliwe kryteria zatrzymania algorytmu optymalizacji
bez ogranicze jeli funkcja celu jest nierniczkowalna.
1. Bezwzgldna odlego midzy wartociami punktw po wykonaniu M
iteracji
mniejsza od eps>0

2. Wzgldna odlego midzy wartociami punktw po wykonaniu M

iteracji
mniejsza od eps>0

3. Po M iteracjach bezwzgldna rwnica wartoci wskanika jakoci

mniejsza od
eps>0

4.Po M iteracjach wzgldna rnica wartoci wskanika jakoci mniejsza

od eps>0

3. Opis jak dziaa metoda pezajcego sympleksu autorstwa Neldera i

Meada (wzorki)
a) W kadym kroku porzdkowane s wierzchoki w1,w2,,w(n+1) tak, aby:

b) Srodek cizkoci c najlepszych n wierzchokw w1,w2,,w(n) wynacany jest nastpujco:

4.Podaj oglny schemat dziaania metod kierunkw poprawy i opisz

jak jest wyznaczany kierunek poszukiwa przez: algorytm

najszybszego spadku i algorytm Newtona (wystarczy opis bez
wzorw)

Dla algorytmu najszybszego spadku jest to ujemny gradient funkcji dla

danego punktu iteracji.
Dla algorytmu Newtona jest to ujemny iloczyn odwrconego Hesjanu i
gradientu funkcji w danym punkcie.
5.Sformuuj zadanie optymalizacji z ograniczeniami i zaproponuj
algorytm jego rozwizania. Opisz wybran metod.

X1 od -2 do -0.5, a X2 od -2 do 2

6. Podaj warunek Lipschitza. Opisz oglnie dziaanie algorytmu siatki

nierwnomiernej.
Warunek Lipschitza jest zwizany z istnieniem grnego ograniczenia
szybkoci zmiennoci funkcji. Funkcja spenia ten warunek jeli istnieje taka
warto L<oo, e dla kadego x1,x2 z dziedziny zachodzi:
Warto L jest zwana sta Lipschitza. Jeli jest znana, to moe by podstaw konstruowania
algorytmw optymalizacji korzystajcych z szacowania od dou wartoci minimum funkcji celu, a
take umoliwi oszacowanie dokadnoci wyniku optymalizacji.

Dla funkcji speniajcej warunek Lipschitza istnieje podwjny stoek (biay), ktrego

wierzchoek mona przesuwa wzdu wykresu funkcji, a wntrze pozostaje rozczne z tym
wykresem. Algorytm sitaki nierwnomiernej ??????????
1. pokrycie zbioru dopuszczalnego siatk punktw i zastosowanie technik podziau i
ogranicze.
2. Definicja funkcji pomocniczej F, aproksymujcej od dou w kadej komrce siatki.
3. Wybr komrki do podziau, na podstawie F.
4. Zagszczenie podziau w obszarach najniszych wartoci optymalizowanej funkcji f.
7.

Przedstaw algorytm symulowanego wyarzania. Podaj regu Metropolisa.

Metoda symulowanego wyarzania

Minimalizacja z zastosowaniem symulowanego wyarzania jest czsto przeprowadzana przy
uyciu symulacji Metropolis bdcej narzdziem statystyki fizycznej. W kadym cyklu obliczana
jest warto funkcji celu w pewnym, przypadkowo wybranym punkcie. Jeli otrzymana warto jest
mniejsza od poprzedniej, punkt zostaje bezwarunkowo zaakceptowany. Jeli jednak nowa warto
jest wiksza od poprzedniej, badany punkt zostaje zaakceptowany z prawdopodobiestwem P
zalenym od zmiany wielkoci funkcji celu ER oraz zalenym od parametru T:
.
Im mniejsza jest warto T, tym mniejsza jest szansa zaakceptowania nowego punktu.
Podczas wykonywania algorytmu warto parametru sterujcego T jest stopniowo obniana.
Przy pewnej, maej wartoci T, faktycznie nie s ju akceptowane adne zmiany i algorytm
zatrzymuje si

8. Opisz algorytm sterowanego przeszukiwania losowego w wersji CRS2 i CRS3.

9. Sformuuj zadanie optymalizacji, w ktrym warto wskanika

jakoci jest wyznaczana jako wynik dziaania symulatora.
Wymie 3 algorytmy, ktre mog by wykorzystane do
rozwizania takiego zadania.
Chcemy odgrodzi miejsce dla naszego psa, majc do dyspozycji 100m siatki, jednoczenie
zachowujc najwiksze pole powierzchni kojca.
Metoda Hooka-Jeevsa
Metoda NM
Metoda Powella