В чем заключаются основные методы нахождения экстремальных точек в многомерных пространствах?

Некоторые методы нахождения экстремальных точек в многомерных пространствах:

• Мультистарт. fundamental-research.ru Основной метод случайного поиска глобального экстремума многомерных функций. fundamental-research.ru Из множества случайно или детерминировано выбирается подмножество из нескольких точек. fundamental-research.ru На каждом подмножестве из случайной начальной точки делается локальный спуск в ближайший минимум любым локальным методом поиска. fundamental-research.ru За глобальный минимум принимается тот, для которого показатель качества минимален. fundamental-research.ru
• Адаптивный набросовый алгоритм. fundamental-research.ru Алгоритм поиска заключается в генерировании последовательности случайных точек и выборе точки с наименьшим значением показателя качества. fundamental-research.ru При этом параметры распределения адаптируются. fundamental-research.ru
• Метод сканирования («поиск на сетке переменных»). fundamental-research.ru По каждой независимой переменной задаются приращения в порядке, который обеспечивает «заполнение» всей исследуемой области равномерной и достаточно густой сеткой. fundamental-research.ru Из значений функции в узлах сетки выбирается оптимальное значение. fundamental-research.ru
• Алгоритм конкурирующих точек. intuit.ru В основе этого алгоритма лежит принцип эволюции популяции живых организмов, находящихся в ограниченном пространстве. intuit.ru Поиск глобального экстремума осуществляется несколькими конкурирующими решениями (точками). intuit.ru В определённые моменты некоторые «худшие» решения бракуются (уничтожаются). intuit.ru Последовательный локальный спуск каждого решения (вначале грубый, затем более точный) происходит независимо от спуска других решений. intuit.ru