ПРИМЕНЕНИЕ ИНТЕГРАЛЬНОЙ АППРОКСИМАЦИИ К МУЛЬТИМОДАЛЬНЫМ ФУНКЦИЯМ
В статье предлагается метод интегральной аппроксимации как эффективный инструмент для упрощения рельефа сложных функций, возникающих в задачах численной оптимизации. Традиционные методы оптимизации часто сталкиваются с трудностями при работе с функциями, обладающими большим количеством локальных экстремумов. Интегральная аппроксимация предлагает решение, заменяя исходную функцию более гладкой версией. В статье представлены результаты численных экспериментов, подтверждающих эффективность предложенного метода на наборе тестовых мультимодальных функций. В заключении авторы обсуждают перспективы дальнейшего развития метода и его потенциальное применение в различных областях, требующих эффективной оптимизации сложных функций.
Сысоев Р.В., Антамошкин О.А. Применение интегральной аппроксимации к мультимодальным функциям // Научный результат. Информационные технологии. – Т.11, №3, 2026. – С. 3-10. DOI: 10.18413/2518-1092-2026-11-3-0-1
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Sun R.Y. Optimization for deep learning: An overview // Journal of the Operations Research Society of China. – 2020. – Т. 8. – №. 2. – P. 249-294.
2. Gunantara N. A review of multi-objective optimization: Methods and its applications // Cogent Engineering. – 2018. – Т. 5. – №. 1. – P. 1502242.
3. Sun S. et al. A survey of optimization methods from a machine learning perspective // IEEE transactions on cybernetics. – 2019. – Т. 50. – №. 8. – P. 3668-3681.
4. Vazirani V.V. Approximation algorithms. – Berlin: springer, 2001. – Т. 1. – 378 pp.
5. Leordeanu M., Hebert M. Smoothing-based optimization // 2008 IEEE Conference on Computer Vision and Pattern Recognition. – IEEE, 2008. – P. 1-8.
6. Растригин Л. А. Системы экстремального управления. – Наука. Гл. ред. физ.-мат. Лит., 1974. – 630 c.
7. Ackley D. A connectionist machine for genetic hillclimbing. – Springer science & business media, 2012. – Т. 28. – 260 p.
8. Marinho P.R.D. et al. Adequacy Model: An R package for probability distributions and general purpose optimization // PloS one. – 2019. – Т. 14. – №. 8. – P. e0221487.
9. Griewank A.O. Generalized descent for global optimization //Journal of optimization theory and applications. – 1981. – Т. 34. – №. 1. – P. 11-39.
10. Schwefel H.P.P. Evolution and optimum seeking: the sixth generation. – John Wiley & Sons, Inc., 1993. – 445 p.