a***n
发帖数: 3633 | 1 我又一个函数，变量个数大约十多个吧。变量的范围都是独立的闭区间
（是不是叫hyper-cubic？）至三四次连续可导可以保证。但是有时会
跑到局部最优点。请教大牛们一般用什么办法保证一个全局最优点啊？ |
d*****1
发帖数: 1837 | 2 Deterministic global optimization mostly is based on branch and bound
framework.
check out http://www.mat.univie.ac.at/~neum/glopt/software_g.html
BARON and LINDO/LINGO are leaders |
a***n
发帖数: 3633 | 3 谢谢，另外有没有别的方法的？基于BB的收敛速度可以保证么？
【在 d*****1 的大作中提到】
: Deterministic global optimization mostly is based on branch and bound
: framework.
: check out http://www.mat.univie.ac.at/~neum/glopt/software_g.html
: BARON and LINDO/LINGO are leaders
|
B*M
发帖数: 1340 | 4 把f(x)`=0的点，一个一个算一遍，
最小/最大的那个就是了，
你那个f(x)`=0的点有很多，以至于算不得么？
【在 a***n 的大作中提到】
: 我又一个函数，变量个数大约十多个吧。变量的范围都是独立的闭区间
: （是不是叫hyper-cubic？）至三四次连续可导可以保证。但是有时会
: 跑到局部最优点。请教大牛们一般用什么办法保证一个全局最优点啊？
|
B*M
发帖数: 1340 | 5 边缘也要算算，
反正可导就是好事情，
【在 B*M 的大作中提到】
: 把f(x)`=0的点，一个一个算一遍，
: 最小/最大的那个就是了，
: 你那个f(x)`=0的点有很多，以至于算不得么？
|
g****t
发帖数: 31659 | 6 十几个变量的高次代数方程组求解,
在实际问题上基本上是不可用的.
因为原来的模型就可能不是很准,换句话说,方程组的系数本来就不是很准
你再求根,都不知道会飘到哪去了.
遇到这种情况,就需要改变建模方法.
除非知道点其他性质,凸的之类的才有可能.
【在 B*M 的大作中提到】
: 边缘也要算算，
: 反正可导就是好事情，
|
B*M
发帖数: 1340 | 7 要是有convex那办法不就多去了，
【在 g****t 的大作中提到】
: 十几个变量的高次代数方程组求解,
: 在实际问题上基本上是不可用的.
: 因为原来的模型就可能不是很准,换句话说,方程组的系数本来就不是很准
: 你再求根,都不知道会飘到哪去了.
: 遇到这种情况,就需要改变建模方法.
: 除非知道点其他性质,凸的之类的才有可能.
|
B*M
发帖数: 1340 | 8 不管怎么说，optimal condition 也绕不过去啊，
gradient总要算算吧，
【在 g****t 的大作中提到】
: 十几个变量的高次代数方程组求解,
: 在实际问题上基本上是不可用的.
: 因为原来的模型就可能不是很准,换句话说,方程组的系数本来就不是很准
: 你再求根,都不知道会飘到哪去了.
: 遇到这种情况,就需要改变建模方法.
: 除非知道点其他性质,凸的之类的才有可能.
|
a***n
发帖数: 3633 | 9 f'(x)=0是个积分方程。不好求啊。甚至它有是不是有限个驻点都不知道。
【在 B*M 的大作中提到】
: 把f(x)`=0的点，一个一个算一遍，
: 最小/最大的那个就是了，
: 你那个f(x)`=0的点有很多，以至于算不得么？
|
g****t
发帖数: 31659 | 10 回去改模型
是唯一的出路。
不管怎么说，optimal condition 也绕不过去啊，
gradient总要算算吧，
【在 B*M 的大作中提到】
: 不管怎么说，optimal condition 也绕不过去啊，
: gradient总要算算吧，
|
B*M
发帖数: 1340 | 11 gradient算不出来，如果有convex，可以用cutting plane，
你如果对optimal solution 有个大概的估计，可以用trust region之类的方法，
不过看起来，这个f(x)太复杂，对f(x)的属性了解太少，恐怕想不出什么好办法，
【在 a***n 的大作中提到】
: f'(x)=0是个积分方程。不好求啊。甚至它有是不是有限个驻点都不知道。
|
