- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
遗传算法的优点:
1. 与问题领域无关切快速随机的搜索能力。
2. 搜索从群体出发,具有潜在的并行性, 可以进行多个个体的同时比较, robust.
3. 搜索使用评价函数启发,过程简单
4. 使用概率机制进行迭代,具有随机性。
5. 具有可扩展性,容易与其他算法结合。
遗传算法的缺点:
1、遗传算法的编程实现比较复杂 , 首先需要对问题进行编码 , 找到最优解
之后还需要对问题进行解码 ,
2、另外三个算子的实现也有许多参数 , 如交叉率和变异率 , 并且这些参数
的选择严重影响解的品质 , 而目前这些参数的选择大部分是依靠经验 .
3、没有能够及时利用网络的反馈信息 , 故算法的搜索速度比较慢, 要得要较
精确的解需要较多的训练时间。
4 、算法对初始种群的选择有一定的依赖性,能够结合一些启发算法进行改
进。
5、算法的并行机制的潜在能力没有得到充分的利用,这也是当前遗传算法
的一个研究热点方向。
用 Newton 法求解无约束问题
牛顿法具有局部收敛性和二次收敛速度, 对于凸二次函数, 牛顿法一
步即可达到最优解,具有二次终止性。
缺点:牛顿方向 d 不一定是下降方向; 当初始点远离最优解时, 牛顿
法可能不收敛;海森阵及逆阵的计算量较大;
精确一维搜索的优点:
得到的是 φ (α)精确的极小点
缺点:花费时间太多
共轭梯度法:
方
共轭梯度法
性 法 牛顿法 DFP (拟牛顿法)
(重置初值)
质
二次终止 一步终止 n 步 (精确一维搜索 ) n 步 (精确一维搜索 )
性质 ( =1 ) 终止 终止
f C(3) 且有界 f C(3) 在 L(x 0) 上有界 f C (3) 在 L(x 0)上有
收 敛 凸, x0 充分接 凸, L(x 0)有界 界凸, L(x 0)有界
*
近 x , k 1 (精确一维搜索) (精确一维搜索)
同上,且 f(x) 是
局部 同上 同上,
Lipschitz 连续。
收敛性 二阶收敛 超线性收敛
超线性收敛。
要计算二阶偏 计算量少,程序简
计算程序简单,
导数计算量 单;
优缺点
大。 n 大时存 n 大时存贮量也大
存贮量相对较小
贮量亦大
文档评论(0)