- •1)Общая схема проверки гипотез
- •2) Постановка задачи адаптивного управления
- •1)Проверка гипотезы о математическом ожидании
- •1)Байесова теория принятия решений при непрерывных признаках
- •2)Подстройка параметров с использованием чувствительности
- •1) Идея классификации
- •2) Подстройка параметров динамических моделей с использованием итеративных моделей
- •Прямые методы восстановления решающей функции
- •1)Насыщенные планы. Симплекс.
- •1) Разбиение матрицы планирования на блоки
- •Адаптивные подстройки параметров не линейной статистической модели
- •1) Ортогональное планирование второго порядка
- •2) Простейший адаптивный алгоритм подстройки параметров
- •Метод случайного баланса
- •Многоэтапный метод селекции при построении моделей сложных объектов
- •Простейшие оценки плотности распределения и функции распределения.
- •Метод деления отрезка пополам при одномерном поиске унимодальных функций
- •2. Последовательный симплексный метод поиска экстремума функций
- •Оценка регрессии
- •Градиентный метод с использованием планирования первого порядка
- •Один из простых вариантов алгоритма Ньютона имеет вид
Метод деления отрезка пополам при одномерном поиске унимодальных функций
Шаг
1. Положить
и
.
Вычислить значение
.
Шаг
2. Положить
и
.
Точки
делят отрезок
на четыре равные части. Вычислить
значения
и
.
Шаг
3. Сравнить
и
.
Если
,
исключить интервал
,
положив
(рис. 5.1.3, а).
Средней точкой нового интервала
поиска становится точка
.
Следовательно, необходимо положить
.
Перейти к шагу 5. Если
(рис. 5.1.3, в),
перейти
к шагу 4.
Шаг
4. Сравнить
и
.
Если
,
исключить интервал
,
положив
(рис. 5.1.3, б).
Так как средней точкой нового интервала
становится точка
,
положить
.
Перейти к шагу 5. Если
,
то исключить интервалы
,
(рис. 5.1.3, в)
и положить
и
.
Заметим, что
продолжает оставаться средней точкой
нового интервала. Перейти к шагу 5.
Шаг
5. Вычислить
.
Если величина
мала, закончить поиск. В противном случае
вернуться к шагу 2.
№22
Полиграммы. Оценка "К ближайших соседей"
называется полиграммой первого порядка.
-го
прямоугольника, опирающегося на
выборочный интервал (
),
равна величине
,
.
Метод золотого сечения
,
минимизируемая функция , .
Если
,
то принимается
,
,
.
Если
же
,
то
,
,
.
По
заданной величине
точности поиска
из равенства
вычисляется необходимое число шагов
.
№23
Оценка Розенблатта-Парзена.
под
знак суммы этой оценки входит селектирующее
прямоугольное ядро
,где
Ядро
симметричное, и площадь под кривой
равна единице
Поиск глобального минимума (метод ломанных)
Минимизируемая
известной константой
:
выбираем
исходную точку
.
Находим в ней кусочно-ломаную
и минимизируем ее при
.
Получаем
.
В ней опять находим
и вычисляем
=
.
Кусочно-линейная функция
ограничивает
снизу. Минимизация
дает следующую точку
.
В ней также находим
,
а затем
=
.
Минимизируем ее и получаем
Если
длина наибольшего подынтервала в
подмножестве
меньше
,
то поиск можно прекратить
№24
2. Последовательный симплексный метод поиска экстремума функций
Шаг 1. Задается исходная вершина симплекса , размер симплекса и строится симплекс.
Шаг 2. В вершинах симплекса вычисляется минимизируемая функция .
Шаг 3. Осуществляется проверка выполнения условий окончания поиска оптимума:
. Поиск завершается, когда или размеры, или разности между значениями функции в вершинах становятся достаточно малы. При выполнении условия процесс поиска заканчивается. Решением задачи (с выбранной точностью) является: – точка с минимальным значением функции .
Если неравенство не выполняется, то осуществляется перемещение к оптимуму за счет перехода одного симплекса к другому.
Шаг 4. Находится наихудшая вершина симплекса. Эта вершина с максимальным значением .
Вычисляется
центр тяжести
противоположной грани:
.
Шаг
5.
Осуществляется отражение вершины
относительно
:
,
и
в точке
вычисляется функция
.
Шаг
6.
Если точка
оказывается хуже всех остальных точек
нового симплекса, то осуществляется
возврат к прежнему симплексу с
последующим его сжатием относительно
лучшей из вершин
:
симплекса:
Здесь
– коэффициент сжатия симплекса.
Осуществляется переход к шагу 2.
Если
же точка
не является "худшей" в новом
симплексе, то продолжается дальнейшее
движение (переход к шагу 4)
№25
1) Оценки условной вероятности (Розенблатта-Парзена)
.
Подставляем оценки Розенблатта
=
.
Колоколообразная
функция
по
форме повторяет ядро
и отличается от него на нормирующий
множитель
.
За счет этого
.
2) Метод деформируемого многогранника. (Нелдера-Мида)
.Процедура
отыскания вершины с меньшим значением
состоит из следующих операций.
1.
Отражение
вершины
через центр тяжести противоположной
грани:
,
2.
Растяжение.
Если оказывается что
,
то вектор
растягивается:
,
где
– коэффициент растяжения (рис. 5.4.1, б).
Если
,
то
заменяется на
и процедура продолжается снова с
операции 1 при
.
Если же
,
то
заменяется на
и также осуществляется переход к
операции 1 при
.
3.
Сжатие.
Если
для всех
,
то вектор
сжимается:
,
где
– коэффициент сжатия. Затем
заменяется на
и
осуществляется возврат к операции 1
для продолжения поиска на
-м
шаге.
4.
Редукция.
Если
,
то все векторы
,
,
уменьшаются в
раз (например, в 2 раза) в соответствии
с формулой
и
осуществляется возврат к операции 1
(к+1). Критерий окончания поиска может
иметь вид
.
№26
