MCS algorithm (original) (raw)
Multilevel Coordinate Search (MCS) — алгоритм глобальної оптимізації з обмеженнями. Алгоритм полягає в поділі n-мірного простору пошуку, представленого множиною непересічних гіперкубів (коробок). Коробки ітеративно розділяються вздовж осі площини відповідно до значення функції як координат точки в коробці і розміру боксу. Ці два критерії розщеплення об'єднуються, щоб сформувати глобальний пошук по розщепленню великих коробок і локальний пошук шляхом поділу областей, для яких значення функції є близьким до шуканого.
Property | Value |
---|---|
dbo:abstract | For mathematical optimization, Multilevel Coordinate Search (MCS) is an efficient algorithm for bound constrained global optimization using function values only. To do so, the n-dimensional search space is represented by a set of non-intersecting hypercubes (boxes). The boxes are then iteratively split along an axis plane according to the value of the function at a representative point of the box (and its neighbours) and the box's size. These two splitting criteria combine to form a global search by splitting large boxes and a local search by splitting areas for which the function value is good. Additionally, a local search combining a (multi-dimensional) quadratic interpolant of the function and line searches can be used to augment performance of the algorithm (MCS with local search); in this case the plain MCS is used to provide the starting (initial) points. The information provided by local searches (local minima of the objective function) is then fed back to the optimizer and affects the splitting criteria, resulting in reduced sample clustering around local minima, faster convergence and higher precision. (en) Multilevel Coordinate Search (MCS) — алгоритм глобальної оптимізації з обмеженнями. Алгоритм полягає в поділі n-мірного простору пошуку, представленого множиною непересічних гіперкубів (коробок). Коробки ітеративно розділяються вздовж осі площини відповідно до значення функції як координат точки в коробці і розміру боксу. Ці два критерії розщеплення об'єднуються, щоб сформувати глобальний пошук по розщепленню великих коробок і локальний пошук шляхом поділу областей, для яких значення функції є близьким до шуканого. (uk) |
dbo:thumbnail | wiki-commons:Special:FilePath/MCS_algorithm.gif?width=300 |
dbo:wikiPageExternalLink | https://www.mat.univie.ac.at/~neum/glopt/janka/dix_sze_eng.html https://www.mat.univie.ac.at/~neum/software/mcs/ |
dbo:wikiPageID | 2618980 (xsd:integer) |
dbo:wikiPageLength | 5713 (xsd:nonNegativeInteger) |
dbo:wikiPageRevisionID | 1078871932 (xsd:integer) |
dbo:wikiPageWikiLink | dbr:Candidate_solution dbr:Algorithm dbr:Derivative-free_optimization dbr:Mathematical_optimization dbr:Function_(mathematics) dbc:Optimization_algorithms_and_methods dbr:Tree_(data_structure) dbr:Line_search dbr:Global_optimization dbr:Recursion_(computer_science) dbr:File:MCS-himmelblau-new.gif dbr:File:MCS_algorithm.gif |
dbp:wikiPageUsesTemplate | dbt:Reflist |
dcterms:subject | dbc:Optimization_algorithms_and_methods |
gold:hypernym | dbr:Algorithm |
rdf:type | dbo:Software yago:WikicatOptimizationAlgorithmsAndMethods yago:Abstraction100002137 yago:Act100030358 yago:Activity100407535 yago:Algorithm105847438 yago:Event100029378 yago:Procedure101023820 yago:PsychologicalFeature100023100 yago:YagoPermanentlyLocatedEntity yago:Rule105846932 |
rdfs:comment | Multilevel Coordinate Search (MCS) — алгоритм глобальної оптимізації з обмеженнями. Алгоритм полягає в поділі n-мірного простору пошуку, представленого множиною непересічних гіперкубів (коробок). Коробки ітеративно розділяються вздовж осі площини відповідно до значення функції як координат точки в коробці і розміру боксу. Ці два критерії розщеплення об'єднуються, щоб сформувати глобальний пошук по розщепленню великих коробок і локальний пошук шляхом поділу областей, для яких значення функції є близьким до шуканого. (uk) For mathematical optimization, Multilevel Coordinate Search (MCS) is an efficient algorithm for bound constrained global optimization using function values only. To do so, the n-dimensional search space is represented by a set of non-intersecting hypercubes (boxes). The boxes are then iteratively split along an axis plane according to the value of the function at a representative point of the box (and its neighbours) and the box's size. These two splitting criteria combine to form a global search by splitting large boxes and a local search by splitting areas for which the function value is good. (en) |
rdfs:label | MCS algorithm (en) MCS algorithm (uk) |
owl:sameAs | freebase:MCS algorithm yago-res:MCS algorithm wikidata:MCS algorithm dbpedia-uk:MCS algorithm https://global.dbpedia.org/id/4r1kT |
prov:wasDerivedFrom | wikipedia-en:MCS_algorithm?oldid=1078871932&ns=0 |
foaf:depiction | wiki-commons:Special:FilePath/MCS-himmelblau-new.gif wiki-commons:Special:FilePath/MCS_algorithm.gif |
foaf:isPrimaryTopicOf | wikipedia-en:MCS_algorithm |
is dbo:wikiPageDisambiguates of | dbr:MCS |
is dbo:wikiPageWikiLink of | dbr:Derivative-free_optimization dbr:List_of_numerical_analysis_topics dbr:BRST_algorithm dbr:CMA-ES dbr:MCS |
is foaf:primaryTopic of | wikipedia-en:MCS_algorithm |