Тестові функції для оптимізації

У прикладній математиці тестові функції для оптимізації (штучні ландшафти) — нелінійні функції, які використовують для оцінки характеристик алгоритмів оптимізації, таких як: швидкість збіжності; точність; грубість; загальні характеристики.

Нижче наведені деякі функції тестування оптимізаційних алгоритмів, що дозволяють отримати уявлення про різні характерні ситуації, з якими стикаються алгоритми оптимізації при вирішенні задач такого роду. У першій частині наведені функції для тестування алгоритмів пошуку глобального мінімуму (максимуму). У другій частині функції з відповідними фронтами для алгоритмів багатокритеріальної оптимізації.

Штучні ландшафти, наведені для тестування оптимізаційних алгоритмів, взяті з декількох джерел (див. Посилання).

Загальний вигляд рівняння, графік цільової функції, межі змінних об'єкта і координати глобального мінімуму наведені в таблиці.

Функції для алгоритмів пошуку глобального мінімуму ред.

Назва / Рисунок Формула Мінімум Область пошуку
Ackley's function    

 

   
Sphere function        ,  
Функція Розенброка        ,  
Beale's function    

 

   
Goldstein–Price function    

   

   
Booth's function        
Bukin function N.6        ,  
Matyas function        
Lévi function N.13    

 

   
Three-hump camel function        
Easom function    

 

   
Cross-in-tray function    

 

   
Eggholder function    

 

   
Hölder table function        
McCormick function        ,  
Schaffer function N. 2        
Schaffer function N. 4        
Styblinski–Tang function      

 

 ,  .
Simionescu function[1]    ,

   

   

Функції для алгоритмів багатокритеріальної оптимізації ред.

Назва / Рисунок Формула Мінімум Область пошуку
Binh and Korn function        ,  
Chakong and Haimes function        
Fonseca and Fleming function      ,  
Test function 4        
Kursawe function      ,  .
Schaffer function N. 1      . Values of   form   to   have been used successfully. Higher values of   increase the difficulty of the problem.
Schaffer function N. 2      .
Poloni's two objective function    

 

 
Zitzler–Deb–Thiele's function N. 1      ,  .
Zitzler–Deb–Thiele's function N. 2      ,  .
Zitzler–Deb–Thiele's function N. 3      ,  .
Zitzler–Deb–Thiele's function N. 4      ,  ,  
Zitzler–Deb–Thiele's function N. 6      ,  .
Viennet function      .
Osyczka and Kundu function    

 
 

   ,  ,  .
CTP1 function (2 variables)        .
Constr-Ex problem        ,  

Примітки ред.

  1. Simionescu, P.A. (2014). Computer Aided Graphing and Simulation Tools for AutoCAD Users (вид. 1st). Boca Raton, FL: CRC Press. ISBN 9-781-48225290-3.

Посилання ред.

Джерела ред.

  • Bäck, Thomas. Evolutionary algorithms in theory and practice: evolution strategies, evolutionary programming, genetic algorithms. Oxford: Oxford University Press. — 1995. p. 328. ISBN 0-19-509971-0.
  • Deb, Kalyanmoy (2002) Multiobjective optimization using evolutionary algorithms (Repr. ed.). Chichester [u.a.]: Wiley. ISBN 0-471-87339-X.
  • Binh T. and Korn U. MOBES: A Multiobjective Evolution Strategy for Constrained Optimization Problems. In: Proceedings of the Third International Conference on Genetic Algorithms. Czech Republic. — 1997. pp. 176—182
  • Binh T. A multiobjective evolutionary algorithm. The study cases. Technical report. Institute for Automation and Communication. Barleben, Germany. — 1999.