ฮิวริสติกเพื่อการเพิ่มประสิทธิภาพ

เนื่องจากเป็นวันศุกร์ถึงเวลาถามคำถาม CW ฉันกำลังมองหาฮิวริสติกที่ใช้อย่างกว้างขวางในปัญหาการปรับให้เหมาะสม หากต้องการ จำกัด ขอบเขตให้กับการวิเคราะห์พฤติกรรมที่เป็นมิตรกับทฤษฎีมากกว่านี้นี่คือกฎ (บางข้อก็ได้บางข้อ)

• ควรเป็นวิธีที่กำหนดไว้อย่างดีโดยไม่มีพารามิเตอร์จำนวนมากและมีเวลาในการทำงานที่เป็นรูปธรรม
• มันควรจะมีผลทางทฤษฎีที่รู้จักกันที่เกี่ยวข้องกับมัน (อัตราการบรรจบกันการประมาณขอบเขตถ้ามีคุณสมบัติเครื่องเขียนและอื่น ๆ )
• ควรมีการบังคับใช้ที่กว้างขวางและแอปพลิเคชั่นหลักอย่างน้อยหนึ่งตัวซึ่งเป็นวิธีการเลือกหรือหนึ่งในไม่กี่ตัว
• มันไม่ควรได้รับแรงบันดาลใจจากธรรมชาติ (ในขณะนี้ดูเหมือนว่าเป็นการคัดค้านเล็ก ๆ น้อย ๆ ฉันกำลังพยายามแยกอัลกอริธึมทางพันธุกรรมการเพิ่มประสิทธิภาพฝูงมดและสิ่งที่คล้ายกัน)

คำตอบควรอยู่ในรูปแบบต่อไปนี้: นี่คือตัวอย่าง

ชื่อ : การสลับ optimizaton

เป้าหมาย : ย่อขนาด a (โดยทั่วไปไม่ใช่แบบ nonconvex)$f(x,y)$

เงื่อนไข : ฟังก์ชั่นที่เกี่ยวข้อง$g(x) = \min_y f(x,y)$และนูน$h(y) = \min_x f(x,y)$

อัลกอริทึม :ย้ำเริ่มต้นด้วยy_i$i^{\text{th}}$$x_i, y_i$

1. $x_{i+1} \leftarrow \arg \min_x f(x, y_i)$
2. $y_{i+1} \leftarrow \arg\min_y f(x_{i+1}, y)$

แอพที่รู้จักกันดี : -means, คู่ที่ใกล้เคียงที่สุดซ้ำแล้วซ้ำอีก$k$

ทฤษฎี : ผลลัพธ์ที่ทราบในหมายถึงเงื่อนไขที่เพียงพอทั่วไปสำหรับการมองโลกในแง่ดีที่สุดของกรอบงาน$k$

ป.ล. คุณอาจพบว่าคำตอบของคุณจบลงที่การบรรยายในการสัมมนาอัลกอริทึมที่ฉันกำลังวางแผน

ชื่อ: วนซ้ำอย่างน้อยสแควร์
เป้าหมาย: ลดฟังก์ชั่นของแบบฟอร์ม , , , เงื่อนไข: ขึ้นอยู่กับกรณี อัลกอริทึม: ชัดเจน - แก้ไขน้ำหนักแก้ปัญหาสมการกำลังสองคำนวณน้ำหนัก แอปที่รู้จักกันดีที่สุด: ค่ามัธยฐานทางเรขาคณิต, M- ตัวประมาณ,ปกติ, ทฤษฎีการตรวจจับการบีบอัด : พิสูจน์ตามกรณี$\sum w(\theta)F(\theta)^2$$\theta\in R^n$$F(\theta) \in R^m$$w(\theta)\in R$


$L_p$