关于离散仿真优化中随机尺方法的一点注记
最优化与控制
2022-04-05 v3 系统与控制
系统与控制
摘要
本文对Yan与Mukai于1992年最初提出的随机尺方法提出一种松弛改进，用于渐近确定离散仿真优化问题的全局最优解。随机尺及其变体的“原始”版本要求：作为最优解下一估计的候选解必须相对于随机尺通过一定数量的检验，才能被选为最优解的下一估计。这一要求——必须通过所有检验——可能导致有希望的候选解被拒绝，并拖慢算法的收敛速度。我们提出的随机尺算法修正放宽了该要求，并从解析上证明，当当前解邻域中的新解成为当前解下一估计的“成功”候选时，我们所提随机尺方法变体产生的计算开销更小。随后通过多个数值例子从数值上表明，这可实现对最优解的加速收敛。我们还提供了在相同假设下该变体以概率渐近收敛至全局最优解的理论依据，这些假设与原始随机尺方法 underlying 的假设一致。
引用
@article{arxiv.2010.06909,
title = {A Note on the Stochastic Ruler Method for Discrete Simulation Optimization},
author = {Varun Ramamohan and Utkarsh Agrawal and Mohit Goyal},
journal= {arXiv preprint arXiv:2010.06909},
year = {2022}
}