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 21 / 38Symulowane wy»arzanie - przykªad 2Ci¡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),Stosujemy algorytm SA do znalezienia lokalnego minimum funkcji h.Poni»ej przedstawiono wyniki uzyskane w zale»no±ci od doboru spadkutemperatury (T i ). Wybrany punkt startowy to (0.5, 0.4), algorytmstosowano do ci¡gu 5000 punktów.Nr T i θ T h(θ T ) min t h(θ t ) Acc1 1/10i (−1.94, −0.48) 0.198 4.02 × 10 −7 0.99982 1/log(1 + i) (−1.99, −0.13) 3.408 3.82 × 10 −7 0.963 100/log(1 + i) (−0.56, 0.43) 0.002 4.71 × 10 −9 0.68884 1/10log(1 + i) (0.12, −0.15) 0.036 2.38 × 10 −7 0.71
Change language