Эвристика для оптимизации

9

Поскольку это пятница, пришло время для CW вопроса. Я ищу эвристики, которые широко используются в задачах оптимизации. Чтобы ограничить область применения более «дружественной теории» эвристики, вот правила (некоторые произвольные, некоторые нет)

  • Это должен быть четко определенный метод без многочисленных параметров и с конкретным временем выполнения (возможно, на одну итерацию)
  • Он должен иметь некоторые известные теоретические результаты, связанные с ним (скорость сходимости, границы аппроксимации, если таковые имеются, стационарные свойства и т. Д.)
  • Он должен иметь широкое применение и, по крайней мере, одно флагманское приложение, где это либо метод выбора, либо один из немногих.
  • это не должно быть вдохновлено природой (хотя это кажется легкомысленным возражением, я пытаюсь исключить генетические алгоритмы, оптимизацию колоний муравьев и тому подобное).

В идеале ответы должны быть в следующем формате: вот пример.

Название : Чередование оптимизаций

Цель : свернуть (обычно невыпуклую) функциюf(x,y)

Условия : ассоциированные функции и h (y) = \ min_x f (x, y) являются выпуклымиг(Икс)знак равноминYе(Икс,Y)час(Y)знак равноминИксе(Икс,Y)

Алгоритм : яго итерация начинается с Икся,Yя .

  1. Икся+1ArgминИксе(Икс,Yя)
  2. Yя+1ArgминYе(Икся+1,Y)

Самое известное приложение : К -means, повторяющаяся ближайшая пара.

Теория : Известные результаты по средним, общие достаточные условия глобальной оптимальности каркасаК

ps Вы можете обнаружить, что ваш ответ заканчивается лекцией на семинаре по алгоритмам, который я планирую :)

Суреш Венкат
источник
«это не должно быть вдохновлено природой (хотя это кажется легкомысленным возражением, я пытаюсь исключить генетические алгоритмы, оптимизацию колоний муравьев и тому подобное)». Так что не имитация отжига, статистической механики и т. Д.?
Джо Фицсимонс
На самом деле у меня нет проблем с имитацией отжига, и когда я писал это, я пытался найти способ сохранить SA и исключить GAs :).
Суреш Венкат

Ответы:

2

Название: повторный пересчитанный метод наименьших квадратов.
Цель: минимизировать функцию вида , , , Условия: зависят от случая. Алгоритм: очевидный - фиксировать веса, решать квадратичную задачу, пересчитывать веса. Самое известное приложение: геометрическая медиана, M-оценки, норма, теория сжатого зондирования : доказано на индивидуальной основе.Σвес(θ)F(θ)2θрNF(θ)рмвес(θ)р


Lп

оборота mirror2image
источник