رياضيات الاستمثال

رسم للدالة z = f(x, y) = −(x² + y²) + 4. The global maximum at (x, y, z) = (0, 0, 4) is indicated by a blue dot.
Nelder-Mead minimum search of Simionescu's function. Simplex vertices are ordered by their values, with 1 having the lowest (fx best) value.

في الرياضيات ، مصطلح الاستمثال أو مفاضلية أو تحسين Optimization يشير إلى دراسة مسائل من الشكل التالي:

إذا كان لدينا : دالة رياضية f : A R من مجموعة A إلى مجموعة الأعداد الحقيقية. فإنه لدينا : عنصر x0 في A بحيث أن f(x0) ≤ f(x) من أجل جميع قيم x في المجموعة A ("تصغير" minimization ) أو بحيث أن f(x0) ≥ f(x) من أجل جميع قيم x في المجموعة A ("تكبير" maximization ).

مثل هذه الصياغة ندعوها أحيانا : برنامج رياضي mathematical program ، و هو مصطلح لا يرتبط ببرمجة الحاسب ، لكنه يبقى مستخدما في مجالات مثل البرمجة الخطية linear programming ، فائدة هذا الحقل الدراسي تكمن في قدرته على نمذجة العديد من المسائل النظرية و الواقعية أيضا .

A تؤلف مجموعة جزئية ما من الفضاء الإقليدي Rn, غالبا ما حدد عن طريق مجموعة من المحددات محددات constraints, أو المعادلات أو المتراجحات التي يجب أن تحققها عناصر A .

ficken alter عناصر A تدعى حلولا ممكنة (محتملة) feasible solutions . و الدالة f تدعى دالة موضوعية objective function أو دالة الكلفة cost function . الحل الممكن الذي يقوم بتصغير أو تكبير الدالة الموضوعية (حسب الغالية التي نريدها) ندعوه الحل الأمثل (الأفضل أو الأحسن) optimal solution .

نطاق الدالة f : وهو A يدعى فضاء البحث search space ، في حين تدعى عناصر A الحلول المرشحة candidate solution أو الحلول الممكنة feasible solutions .

بشكل عام ، يكون هناك عدة نهايات صغرى محلية local minima و نهايات عظمى maxima محلية ، حيث تعرف النهاية الصغرى المحلية x* على انها نقطة تحقق : من أجل بعض القيم δ > 0 و جميع قيم x التي تحقق :

;

تكون الصيغة التالية محققة :

هذا يعني أنه على أي نطاق كروي محيط ب x* تكون جميع قيم الدالة أكبر أو تساوي قيمة الدالة في هذه النقطة (هذا مفهوم النهاية الصغرى) . بشكل مشابه يمكننا تعريف النهاية العظمى و الكبيرة .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

التعلم الآلي


برمجيات الحل

انظر أيضاً

الهامش

للاستزادة

  • Boyd, Stephen P.; Vandenberghe, Lieven (2004). Convex Optimization. Cambridge: Cambridge University Press. ISBN 0-521-83378-7.
  • Gill, P. E.; Murray, W.; Wright, M. H. (1982). Practical Optimization. London: Academic Press. ISBN 0-12-283952-8.
  • Lee, Jon (2004). A First Course in Combinatorial Optimization. Cambridge University Press. ISBN 0-521-01012-8.
  • Nocedal, Jorge; Wright, Stephen J. (2006). Numerical Optimization (2nd ed.). Berlin: Springer. ISBN 0-387-30303-0.
  • Snyman, J. A.; Wilke, D. N. (2018). Practical Mathematical Optimization : Basic Optimization Theory and Gradient-Based Algorithms (2nd ed.). Berlin: Springer. ISBN 978-3-319-77585-2.

وصلات خارجية

قالب:Systems engineering

الكلمات الدالة: