Zufällige Optimierung (RO) ist eine Familie von numerischen Optimierungsmethoden, die nicht verlangen, dass der Anstieg des Problems optimiert wird, und RO folglich auf Funktionen verwendet werden kann, die nicht dauernd sind oder differentiable. Solche Optimierungsmethoden sind auch bekannt als direkte Suche, ohne Ableitungen, oder Methoden des schwarzen Kastens.

Der Name, zufällige Optimierung, wird Matyas zugeschrieben, der eine frühe Präsentation von RO zusammen mit der grundlegenden mathematischen Analyse gemacht hat. RO arbeitet durch das wiederholende Bewegen zu besseren Positionen im Suchraum, die mit z.B eine Normalverteilung probiert werden, die die aktuelle Position umgibt.

Algorithmus

Lässt f: , die Fitness sein oder Funktion zu kosten, die minimiert werden muss. Lassen Sie x  benennen eine Position oder Kandidat-Lösung im Suchraum. Der grundlegende RO Algorithmus kann dann als beschrieben werden:

• Initialisieren Sie x mit einer zufälligen Position im Suchraum.
• Bis einem Beendigungskriterium entsprochen wird (z.B Zahl von Wiederholungen, durchgeführte oder entsprechende Fitness erreicht), wiederholen den folgenden:
• Probe eine neue Position y durch das Hinzufügen eines normalerweise verteilten zufälligen Vektoren zur aktuellen Position x
• Wenn (f (y) und Solis und Wets, um diese Konvergenz zu einem Gebiet zu gründen, das das Optimum umgibt, ist unter einigen milden Bedingungen für RO Varianten mit anderem Wahrscheinlichkeitsvertrieb für die Stichprobenerhebung unvermeidlich. Eine Schätzung auf der Zahl von Wiederholungen, die erforderlich sind, sich dem Optimum zu nähern, wird von Dorea abgeleitet. Diese Analysen werden durch empirische Experimente von Sarma kritisiert, der die optimizer Varianten von Baba und Dorea auf zwei wirklichen Problemen verwendet hat, das Optimum zeigend, das sich sehr langsam und außerdem zu nähern ist, dass die Methoden wirklich unfähig waren, eine Lösung der entsprechenden Fitness ausfindig zu machen, wenn der Prozess genug in der Nähe vom Optimum zunächst nicht angefangen wurde.

Siehe auch

• Zufällige Suche ist eine nah verwandte Familie von Optimierungsmethoden der Probe von einem Hyperbereich statt einer Normalverteilung.
• Luus-Jaakola ist eine nah zusammenhängende Optimierungsmethode mit einer Rechteckverteilung in seiner Stichprobenerhebung und einer einfachen Formel, für die ausfallende Reihe exponential zu vermindern.
• Muster-Suche unternimmt entlang den Äxten des Suchraums Schritte, der exponential verwendet, Schritt-Größen vermindernd.
• Stochastische Optimierung