Градиентные и генетические методы решения оптимизационных задач

Нажмите для полного просмотра!

Градиентные и генетические методы решения оптимизационных задач, слайд №2

Градиентные и генетические методы решения оптимизационных задач, слайд №3

Градиентные и генетические методы решения оптимизационных задач, слайд №4

Градиентные и генетические методы решения оптимизационных задач, слайд №5

Градиентные и генетические методы решения оптимизационных задач, слайд №6

Градиентные и генетические методы решения оптимизационных задач, слайд №7

Градиентные и генетические методы решения оптимизационных задач, слайд №8

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Градиентные и генетические методы решения оптимизационных задач. Доклад-сообщение содержит 8 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

ГРАДИЕНТНЫЕ И ГЕНЕТИЧЕСКИЕ МЕТОДЫ РЕШЕНИЯ ОПТИМИЗАЦИОННЫХ ЗАДАЧ

Слайд 2

Описание слайда:

Параметрическая оптимизация Задача параметрической оптимизации – это задача, оптимизация которой связана с расчетом оптимальных значений параметров при заданной структуре объекта.

Слайд 3

Описание слайда:

Параметрическая оптимизация Генетический и градиентный методы используются для решения тогда, когда целевая функция задана неявно. ?

Слайд 4

Описание слайда:

Генетический метод Этот метод решения оптимизационных задач основан на биологических принципах естественного отбора и эволюции.

Слайд 5

Описание слайда:

Градиентный метод Градиентные методы оптимизации относятся к численным методам поискового типа. К ним относятся метод наискорейшего спуска, метод покоординатного спуска и метод сопряженных градиентов.

Слайд 6

Описание слайда:

Градиентные методы Метод градиентного спуска: нахождение локального экстремума функции с помощью движения вдоль градиента. Для минимизации функции в направлении градиента используются методы одномерной оптимизации; Метод покоординатного спуска (Гаусса—Зейделя): предыдущий метод, улучшенный осуществлением спуска на очередной итерации постепенно вдоль каждой из координат; Метод сопряжённых градиентов: основан на понятиях прямого метода многомерной оптимизации — метода сопряжённых направлений.

Слайд 7

Описание слайда:

Достоинства и недостатки генетического метода Плюсы решение задач больших размерностей; решение задач, в которых отсутствует упорядоченность исходных данных; манипулирование одновременно многими параметрами;