न्यूमेरिकल व्यंजनों के मूल संस्करणों में इस "डाउनहिल सिम्प्लेक्स एल्गोरिथम" का खाता विशेष रूप से आकर्षक और सहायक है। इसलिए मैं इसके प्रासंगिक भागों का उद्धरण दूंगा। यहाँ पृष्ठभूमि है:
एक-आयामी न्यूनतमकरण में, एक न्यूनतम ब्रैकेट करना संभव था ...। अफसोस! बहुआयामी अंतरिक्ष में कोई अनुरूप प्रक्रिया नहीं है। ... सबसे अच्छा हम कर सकते हैं हमारे एल्गोरिथ्म एक प्रारंभिक अनुमान दे; यह है कि, एक पहला बिंदु के रूप में स्वतंत्र चर के -vector कोशिश करने के लिए। एल्गोरिथ्म को तब तक -डायमेंशनल टोपोग्राफी की अकल्पनीय जटिलता के माध्यम से अपना रास्ता डाउनहिल बनाने के लिए माना जाता है जब तक कि यह कम से कम (कम से कम स्थानीय) का सामना न करे।NN
डाउनहिल सिम्प्लेक्स विधि को केवल एक बिंदु के साथ नहीं, बल्कि अंक के साथ आरंभिक सिम्प्लेक्स को परिभाषित करना शुरू करना चाहिए । [आप इन बिंदुओं को प्रारंभिक प्रारंभिक बिंदु के साथ-साथ ले सकते हैं ] जहां की यूनिट वैक्टर हैं और जहां एक स्थिरांक है जो आपका अनुमान है। समस्या की विशेषता लंबाई पैमाने पर। ...N+1P0
Pi=P0+λei(10.4.1)
eiNλ
अधिकांश कदम बस [चालें] सिंप्लेक्स के बिंदु जहां फ़ंक्शन सबसे बड़ा ("उच्चतम बिंदु") है, सिंपलेक्स के विपरीत चेहरे से निचले बिंदु तक। ...
अब हाथ में समस्या के लिए, एल्गोरिथ्म को समाप्त करना। खाते की व्यापकता पर ध्यान दें: लेखक किसी भी बहुआयामी ऑप्टिमाइज़र को समाप्त करने के लिए सहज और उपयोगी सलाह प्रदान करते हैं और फिर विशेष रूप से दिखाते हैं कि यह इस विशेष एल्गोरिथ्म पर कैसे लागू होता है। पहला पैराग्राफ हमारे सामने प्रश्न का उत्तर देता है:
समाप्ति मानदंड नाजुक हो सकते हैं ...। हम आम तौर पर अपने बहुआयामी एल्गोरिदम के एक "चक्र" या "चरण" की पहचान कर सकते हैं। यह तब समाप्त करना संभव है जब उस कदम में सदिश दूरी कुछ सहिष्णुता की तुलना में भयावह रूप से छोटी हो TOL
। वैकल्पिक रूप से, हमें आवश्यकता हो सकती है कि समाप्ति चरण में फ़ंक्शन मान में कमी कुछ सहिष्णुता की तुलना में आंशिक रूप से छोटी हो FTOL
। ...
अच्छी तरह से ध्यान दें कि ऊपर दिए गए मानदंडों में से किसी एक या किसी अन्य कारण से एक ही कदम पर मूर्ख बनाया जा सकता है। इसलिए, यह अक्सर एक बिंदु पर एक बहुआयामी न्यूनतमकरण दिनचर्या को फिर से शुरू करने के लिए एक अच्छा विचार है जहां यह दावा करता है कि न्यूनतम मिल गया है। इस पुनरारंभ के लिए, आपको किसी भी सहायक इनपुट मात्रा को फिर से संगठित करना चाहिए। ढलान सिंप्लेक्स विधि में, उदाहरण के लिए, आप reinitialize चाहिए के सिंप्लेक्स के कोने फिर समीकरण द्वारा , के साथ दावा किया न्यूनतम के कोने में से एक होने।NN+1(10.4.1)P0
रिस्टार्ट कभी भी बहुत महंगा नहीं होना चाहिए; आपका एल्गोरिथ्म, आखिरकार, एक बार पुनः आरंभ बिंदु में परिवर्तित हो गया, और अब आप पहले से ही एल्गोरिथ्म शुरू कर रहे हैं।
[पेज 290-292]
कोड में इस पाठ वाला संख्यात्मक व्यंजनों की "आंशिक रूप से छोटे" अर्थ स्पष्ट करते हैं: मूल्यों के बीच का अंतर और (या तो मान तर्क का या समारोह के मूल्यों) "आंशिक रूप से छोटे" एक सीमा से है जबxyT>0
|x|−|y|f(x,y)=2|x|−|y||x|+|y|<T(1)
साथ ।f(x,y)=(|x|+|y|)/2
बाएं हाथ को कभी-कभी "सापेक्ष निरपेक्ष अंतर" के रूप में जाना जाता है। कुछ क्षेत्रों में इसे प्रतिशत के रूप में व्यक्त किया जाता है, जहां इसे "सापेक्ष प्रतिशत त्रुटि" कहा जाता है। अधिक विकल्पों और शब्दावली के लिए सापेक्ष परिवर्तन और अंतर पर विकिपीडिया लेख देखें ।(1)
संदर्भ
विलियम एच। प्रेस एट अल। , संख्यात्मक व्यंजनों: वैज्ञानिक कम्प्यूटिंग की कला। कैम्ब्रिज यूनिवर्सिटी प्रेस (1986)। नवीनतम संस्करणों के लिए http://numerical.recipes/ पर जाएं ।