- •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"
, .
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