Algorithm of combined simplex search with state recognition

Abstract

Searching optimization is usual for objects with unknown or unsolvable mathematical model, and result depends on the efficiency of algorithm. Simplex search has shown good results when optimization object and measurement results are affected by high level noise. Improvement and investigation of simplex search algorithms is an aim of this research. Characteristics of the object can vary in time during optimization process, and the search has to follow the extreme. If the variation is a result of some measurable but noncontrollable parameters, the search can be improved using the information about this variation in past steps and calculating the prognosis, or performing repeated measurements of these parameters and aim value. The influence of multidimensional measurable parameters is estimated in presented algorithm of combined simplex search with state recognition, and characteristics of the optimization process are investigated.

Kai objekto modelis nežinomas ar sunkiai išsprendžiamas bei veikia stiprūs atsitiktiniai trukdžiai, ekstremumo paieškai gali būti taikomi simpleksinės paieškos algoritmai. Jeigu paiešką apsunkina tikslo dreifas, sąlygotas keleto nevaldomų, bet išmatuojamų parametrų kaitos, reikalingi algoritmai, galintys įvertinti šią įtaką. Šio tyrimo tikslas – sudaryti ir ištirti galintį atpažinti būsenas kombinuotos simpleksinės paieškos algoritmą, skirtą paieškai esant daugiakoordinačiam tikslo dreifui. Tikslo dreifas gali būti įvertinamas atliekant papildomus minėtų parametrų bei tikslo funkcijos verčių matavimus arba prognozuojant šias vertes. Prognozė remiasi prielaida, kad kitame paieškos žingsnyje šios vertės keisis taip pat, kaip ir buvusiame. Tyrimai patvirtino sudarytojo algoritmo pranašumą, palyginti su uždraustos grįžties simpleksinės paieškos algoritmą, kai objektą veikia keli nevaldomi parametrai, sąlygojantys tikslo dreifą, bei stiprūs atsitiktiniai trukdžiai (0,5 ≤ A/σ ≤ 2).