Monte Carlo Optimization - Seminarium szkoleniowe
Monte Carlo Optimization - Seminarium szkoleniowe
Monte Carlo Optimization - Seminarium szkoleniowe
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Eliza Bujnowska () <strong>Monte</strong> <strong>Carlo</strong> <strong>Optimization</strong> 28 lutego 2006 11 / 38Metody gradientowe - przykªadCi¡g dalszy przykªadu funkcji:h(x, y) = (xsin(20y) + ysin(20x)) 2 cosh(sin(10x)x) ++(xcos(10y) − ysin(10x)) 2 cosh(cos(20y)y),Poni»ej przedstawiono wyniki trzech przebiegów algorytmu z ró»nymiwarto±ciami (α i , β i ) oraz punktem startowym (0.65, 0.8). Liczba iteracjiwynika z warunku zatrzymania ||θ T − θ T −1 || < 10 −5 .αj βj θT h(θT ) minth(θt) Iteracje T1/10j 1/10j (-0.166,1.02) 1.287 0.115 501/100j 1/100j (0.629,0.786) 0.00013 0.00013 931/10log(1+j) 1/j (0.0004,0.245) 4.24 × 10 −6 2.163 × 10 −7 58