Эксперименты ставят парами в точках, отстоящих по обе стороны от середины отрезка. Координаты первой пары:
где e – малая величина.
Если , то максимальное значение надо ожидать на отрезке ; при на отрезке . Этот новый отрезок объявляется исходным, и далее процесс повторяется. Мера эффективности равна .
Заметим, что при наличии случайного компонента значение e не должно быть малым, что иллюстрируется рис.3.
x
Рис. 3. Метод деления отрезка пополам
Если в точке х 1 случайная компонента окажется отрицательной, а в точке х 2 положительной, и значительной по величине в обеих точках, результаты сравнения значений отклика в этих точках направят поиск в противоположную сторону, Вот почему применение метода деления отрезка пополам в этих условиях становится проблематичным.
Поиск с использованием чисел Фибоначчи Числа Фибоначчи задаются по следующим правилам:
,
На первом шаге ставятся два эксперимента в точках x 1= a+ (b-a) q и x 2= b- (b-a) q при q=FN- 2 /FN, (6.10)
где N выбирается заранее.
При максимальное значение следует искать на отрезке , при – на отрезке . На последующих шагах ставят по одному эксперименту, меняя q по закону , где j – номер шага (j =2,3,…).
Легко показать, опираясь на определение чисел Фибоначчи, что одна из координат, подсчитанная по формулам, аналогичным (6.10), будет совпадать с одной из предыдущих точек. Далее происходит сравнение значений функций в этих двух точках и процесс повторяется. Мера эффективности метода составляет .
Так, при N =10 =144, а значит с помощью 11 экспериментов можно локализовать экстремум в области, не превышающей 1% размера начальной области поиска. Этот метод существенно эффективнее предыдущего. К его недостатку можно отнести необходимость заранее задавать число экспериментов.
Метод золотого сечения Этот метод базируется на методе Фибоначчи и не требует предварительного задания числа экспериментов. В методе золотого сечения вместо величины на каждом шаге используется ее предельное значение при : .
Мера эффективности метода .
- Многомерное шкалирование. Метрический подход.