 | (1) |
Во введенных обозначениях схема алгоритма генерации случайных точек, равномерно распределенных по поверхности гиперсферы радиуса

, может быть представлена в следующем виде:
- генерируем
случайных чисел, равномерно распределенных в интервале
;
- вычисляем направляющие косинусы
вектора
;
- находим координаты искомой точки
.
Упрощенная схема метода случайного поиска с постоянным радиусом поиска и случайными направлениями.
- Задаем начальную точку
, начальный радиус гиперсферы
, и полагаем счетчик числа итераций
=0.
- Генерируем случайные точки
,
[1,
] равномерно распределенные по поверхности гиперсферы радиуса
с центром в точке
. Здесь
– количество точек – свободный параметр метода.
- Вычисляем значения минимизируемой функции
(
) в полученных точках и находим точку, в которой достигается минимальное значение функции
(
):

- Каким-либо из рассмотренных в главе 4 одномерных методов оптимизации (например, методом Паулла) находим минимум функции
(
) в направлении
:

- Проверяем условие окончания итераций (см. ниже). Если условие окончания выполнено, то полагаем
и завершаем итерации. Иначе - принимаем
=
+1 и переходим к п.2
где

- константа, определяющая требуемую точность решения по

;
где

- константа, определяющая требуемую точность решения по

.
Могут быть использованы также другие критерии окончания поиска, например, условие не превышения текущим радиусом гиперсферы величины

:
В процессе поиска радиус гиперсферы может меняться, увеличиваясь при удачных шагах (вдали от точки

) и уменьшаясь при неудачных шагах (вблизи от точки

).
Поиск может быть ускорен, если точки на гиперсфере выбирать (случайным образом) в некотором секторе по отношению к предыдущему направлению. Угол раскрыва этого сектора может меняться в процессе поиска.
Рис. 1. Траектория поиска минимума функции Химмельблау методом случайного поиска с постоянным радиусом поиска и случайными направлениями (n=2).
На рисунке точки, лежащие на окружности с центром в точке

, соответствуют случайным точкам

,

[1,

].
Примечание 1
Рис. 2. Один шаг поиска в направлении антиградиента минимизируемой функции (∇Φ(Xr)) приводит на линию уровня (1.5). В то же время одна итерация по методу случайного поиска с постоянным радиусом поиска и случайными направлениями – на линию уровня ~0.2. Точки на окружности с центром в точке Xr соответствуют случайным точкам. Любое направление поиска в секторе β лучше, чем направление антиградиента.