ОЦЕНКА ЧИСЛЕННОЙ ЭФФЕКТИВНОСТИ МЕТОДОВ ГЛОБАЛЬНОЙ ОПТИМИЗАЦИИ
Анотація
Задачи оптимизации возникают в любой сфере человеческой деятельности. Решение таких задач позволяет проектировать и создавать оптимальные сложные системы с минимальным расходованием ресурсов. Такие задачи ставились и решались еще до нашей эры. Интенсивность исследований в области оптимизации сильно возросла во второй половине прошлого века. Для решения задач оптимизации было разработано большое число различных методов. Однако эти методы позволяли находить только локальные экстремумы в задачах оптимизации. Это вынуждало исследователей строить только унимодальные модели, что значительно сужало область применения оптимизации. Практика требовала решения многих задач, которые были мультимодальными. Это вынудило исследователей заняться разработкой методов для решения мультимодальных задач. Эти исследования начались только в конце прошлого века. К этому времени методы решения для решения унимодальных задач почти себя исчерпали. При построении методов глобальной оптимизации наметилось два основных подхода детерминированный и стохастический. Вначале детерминированный подход ориентировался на разработку методов ветвей и границ.
Посилання
. Horst R. Global Optimization: Deterministic Approaches. 3rd ed./ R. Horst, H. Tuy. Berlin: Springer–Verlag, 1996. – 727 p.
Kenneth V. P. Differential Evolution. A Practical Approach to Global Optimization /
V. P. Kenneth, R. M. Storn, J. A. Lampinen. Berlin, Heidelberg: Springer-Verlag,
– 542 p.
Ye Y. Semidefinite programming /Y. Ye. – Stanford University, 2003. – 161 p.
Kosolap A. Practical Global Optimization/A. Kosolap. – Dnipro: Bila K.O., 2020. – 196 p.
Nie J. Regularization methods for SDP relaxations in large-scale polynomial optimization / J. Nie, L.Wang // SIAM Journal on Optimization, Vol. 22, 2012, pp. 408–428.
Jamil M. A literature survey of benchmark functions for global optimization problems /
M. Jamil, XS. Yang // Int. J. Math. Model Numer. Optim., Vol. 4, No. 2, 2013, pp. 150–194.