Разделение параметров в задачах глобальной оптимизации с помощью методов машинного обучения

Название	Разделение параметров в задачах глобальной оптимизации с помощью методов машинного обучения
Авторы	Баркалов К. А.¹, Усова М. А.¹ ¹Нижегородский государственный университет им. Н.И. Лобачевского
Аннотация	В работе представлены результаты исследования подхода к решению задач глобальной оптимизации с разным характером зависимости от разных групп параметров. Предложена схема выделения параметров задачи, которые оказывают локальное влияние на целевую функцию, что позволяет решать существенно многомерные задачи с использованием многошаговой схемы редукции размерности. При этом на разных уровнях рекурсии используются разные оптимизационные алгоритмы. Исследование работоспособности предложенного подхода проведено при решении тестовых и прикладных задач глобальной оптимизации.
Ключевые слова	глобальная оптимизация, локальная оптимизация, редукция размерности, разделение параметров
Образец ссылки на статью	Баркалов К. А., Усова М. А. Разделение параметров в задачах глобальной оптимизации с помощью методов машинного обучения [Электронный ресурс] // Математическое моделирование, численные методы и комплексы программ: X Международная научная молодежная школа-семинар имени Е.В. Воскресенского (Саранск, 14-18 июля 2022 г.). - С. 32-39. Режим доступа: https://conf.svmo.ru/files/2022/papers/paper06.pdf. - Дата обращения: 03.04.2025.

МАТЕРИАЛЫ НАУЧНЫХ КОНФЕРЕНЦИЙ И ШКОЛ-СЕМИНАРОВ

Разделение параметров в задачах глобальной оптимизации с помощью методов машинного обучения

Контакты