ความหมายของวิธีการค้นหาและวิธีการปรับให้เหมาะสม


9

ฉันสงสัยว่าความแตกต่างและความสัมพันธ์ระหว่าง "วิธีการค้นหา" และ "วิธีการเพิ่มประสิทธิภาพ" คืออะไร

โดยเฉพาะอย่างยิ่งเมื่อแก้ปัญหาการเพิ่มประสิทธิภาพ? ฉันเน้นบริบทของการแก้ปัญหาการเพิ่มประสิทธิภาพเพราะฉันคิดว่าวิธีการค้นหาไม่เพียง แต่สำหรับการแก้ปัญหาการเพิ่มประสิทธิภาพ แต่ยังรวมถึงปัญหาที่ไม่ได้เพิ่มประสิทธิภาพด้วย?

ความสับสนของฉันมาจากข้อเท็จจริงต่อไปนี้:

  1. มีบางวิธีการเพิ่มประสิทธิภาพในชื่อ "xxx ค้นหา" เช่นมี การค้นหาในท้องถิ่น , การค้นหาสุ่ม , .... อะไร "ค้นหา" หมายถึงการได้จริง? ฉันสงสัยว่ามีวิธีการเพิ่มประสิทธิภาพที่ไม่ใช่ "ค้นหา" หรือไม่
  2. นอกจากนี้ในหนังสือเล่มนี้ความรู้เบื้องต้นเกี่ยวกับการค้นหาแบบสุ่มและการเพิ่มประสิทธิภาพโดย Spallฉันไม่เข้าใจความแตกต่างระหว่าง "การค้นหา" และ "การเพิ่มประสิทธิภาพ" ในชื่อเรื่องและเนื้อหาของมัน ทำไมต้องแยกความแตกต่างระหว่าง "ค้นหา" และ "การเพิ่มประสิทธิภาพ" หากพวกเขาหมายถึงเหมือนกัน? หรือ "การเพิ่มประสิทธิภาพ" หมายถึงงาน / ปัญหาการเพิ่มประสิทธิภาพสุ่มแทนที่จะเป็นวิธีการเพิ่มประสิทธิภาพซึ่งตรงข้ามกับ "การค้นหา" หมายถึงวิธีการแก้ปัญหาการเพิ่มประสิทธิภาพ / ปัญหา?
  3. ยังไม่มีอาหารกลางวันฟรีในการค้นหาและการเพิ่มประสิทธิภาพที่แตกต่างการค้นหาและการเพิ่มประสิทธิภาพอีกครั้ง

ขอบคุณและขอแสดงความนับถือ!

คำตอบ:


11

search = พยายามที่จะหาจุดที่เป็นไปได้ที่เป็นไปตามข้อ จำกัด ทั้งหมด (และเพื่อเพิ่มประสิทธิภาพของจุดที่ดีกว่าที่พบจนถึง) โดยทั่วไปแล้วใช้ค่าฟังก์ชันเท่านั้น

การค้นหาในท้องถิ่น: การปรับปรุงจุดที่เป็นไปได้ (หรือระยะทางไปสู่การวัดความเป็นไปได้) โดยค้นหาในจุดที่อยู่ใกล้เคียง

การค้นหาแบบสุ่ม: การค้นหาโดยใช้เกณฑ์แบบ nondeterministic สำหรับการเลือกจุดทดลอง

สิ่งนี้ไม่ขึ้นอยู่กับว่าจะมีการกำหนดเกณฑ์การเพิ่มประสิทธิภาพหรือไม่ โดยเฉพาะอย่างยิ่งใน '' ไม่มีอาหารกลางวันฟรีในการค้นหาและการเพิ่มประสิทธิภาพ '' หมายถึงการค้นหาความเป็นไปได้ในขณะที่การเพิ่มประสิทธิภาพหมายถึงการค้นหาเพื่อเพิ่มประสิทธิภาพ

ในแง่ทั่วไปสำหรับปัญหาการปรับให้เหมาะสมการค้นหาและการเพิ่มประสิทธิภาพจะเทียบเท่า อย่างไรก็ตามพวกเขามีความหมายที่สร้างความแตกต่างในการใช้คำ

optimization method = วิธีการในการแก้ปัญหาการปรับให้เหมาะสมบ่อยครั้ง (แต่ไม่จำเป็น) โดยใช้ข้อมูลการไล่ระดับสี (หรือ subgradient หรือ Hessian)

ความสามารถในการใช้การไล่ระดับสีอย่างรุนแรงเพิ่มประสิทธิภาพของวิธีการเพิ่มประสิทธิภาพ หนึ่งใช้ในบริบทนี้ (เช่นกับการไล่ระดับสีที่รู้จักกัน) เพื่อค้นหาคำเฉพาะในการรวมกัน '' การค้นหาสาย '' ซึ่งหมายถึงการค้นหาจุดที่ดีขึ้นพร้อมทิศทางที่เลือก


ขอบคุณ! ดังนั้นสำหรับปัญหาการปรับให้เหมาะสม (1) ในแง่ที่กว้างกว่าการค้นหานั้นเท่าเทียมกับวิธีการปรับให้เหมาะสมที่สุด (2) ในความหมายที่แคบกว่าการค้นหา "โดยทั่วไปใช้ค่าฟังก์ชันเท่านั้น" หมายถึง "{วิธีการค้นหา} = {วิธีการปรับให้เหมาะสมโดยใช้ค่าฟังก์ชันเท่านั้น}{line search methods} "?" การค้นหาสาย "เป็นเพียง" วิธีการค้นหา "ที่ใช้สิ่งต่าง ๆ นอกเหนือจากฟังก์ชั่นค่าหรือไม่ถ้าฉันเพิ่มการรบกวนบางส่วนให้กับการไล่ระดับสีในวิธีการไล่ระดับสีที่ใช้วิธีการ การค้นหาในท้องถิ่นและการค้นหาสุ่มใช้ทั้งสองอย่างเท่านั้นใช้ค่าฟังก์ชั่น?
ทิม

(3) วิธีการค้นหามีความหมายแคบหรือไม่ทั้งหมดเกี่ยวกับการแพทย์
ทิม

@Tim: การค้นหาบรรทัดอาจหรือไม่ใช้การไล่ระดับสีในการค้นหา (เช่นการค้นหาบรรทัด Wolfe ต้องการ) คุณไม่ควรยึดติดกับคำเหล่านี้มากเกินไป มันเป็นสิ่งชี้นำบางอย่างไม่ใช่แนวคิดทางคณิตศาสตร์ที่มีความหมายที่แม่นยำ - วิธีการของนิวตันใช้การไล่ระดับสีและ Hessians - วิธีการคือสุ่มเมื่อการค้นหาเกี่ยวข้องกับตัวสร้างตัวเลขแบบสุ่ม - การค้นหาในท้องถิ่นอาจใช้ในวิธีการทั่วไปที่ไม่รับประกันว่าการบรรจบกันจะเป็นสิ่งที่เหมาะสมที่สุดในโลก
Arnold Neumaier

metaheuristic จะต้องมีหลักการที่เฉพาะเจาะจงมากกว่าเพียงแค่ '' การค้นหาในท้องถิ่น '' เพื่อให้ได้รับ naame; ฉันไม่เคยได้ยินมาก่อนว่ามันใช้กับสิ่งนี้ แต่คำศัพท์นั้นไม่แม่นยำมาก
Arnold Neumaier

4

ความแตกต่างในคำศัพท์ระหว่าง "การค้นหา" และ "การเพิ่มประสิทธิภาพ" นั้นมาจากข้อเท็จจริงที่ว่าการค้นหาหมายถึงกระบวนการค้นหา x* * * * เพื่อที่จะได้รับ ก.(x) เรามี ก.(x* * * *)=0คือเราค้นหารูท ในการเพิ่มประสิทธิภาพเราต้องการค้นหาx* * * * ดังนั้น (x)นาที!. อย่างน้อยถ้า ราบรื่นแล้วการค้นหาขั้นต่ำนี้โดยทั่วไปจะถูกแปลงเป็นปัญหาในการค้นหารูต ก.(x)=(x). กล่าวอีกนัยหนึ่งคำว่า "การค้นหา" มาจากปัญหาทั่วไปที่มากขึ้น แต่สำหรับปัญหาการปรับให้เหมาะสมซึ่งสิ่งต่าง ๆ ที่เกี่ยวข้องกับการปรับให้เหมาะสมมักจะถูกลดลงไปเป็นสิ่งที่จัดการกับการค้นหา


โดยทั่วไปการค้นหาจะใช้กับระบบของสมการและความไม่เท่าเทียมกัน โดยเฉพาะอย่างยิ่งในกรณีของการปรับให้เหมาะสมหนึ่งค้นหาโซลูชันก.(x)=0,(x)อีsเสื้อ. แต่วิธีการค้นหาโดยตรงในการเพิ่มประสิทธิภาพไม่สามารถเข้าถึงได้ก.(x)ดังนั้นจึงไม่สามารถใช้อัลกอริทึมการค้นหากับข้อ จำกัด นี้ได้
Arnold Neumaier
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.