Программа исследования сходимости алгоритмов стохастической оптимизации
Ученые Санкт-Петербургского политехнического университета Петра Великого зарегистрировали программу для ЭВМ, которая оценивает сходимость алгоритмов стохастической оптимизации на тестовых задачах. Именно для этого ученые создали инструмент, который помогает сравнивать методы оптимизации и выбирать лучший алгоритм для конкретной задачи — от настройки нейросетей до оптимизации технологических процессов в промышленности.
Стохастическая оптимизация решает задачи, где целевая функция содержит случайный шум или данные поступают с задержкой. Такие ситуации типичны для машинного обучения, управления ресурсами, логистики и финансового моделирования. Разные алгоритмы — случайный поиск, имитация отжига, адаптивный случайный поиск, метод кросс-энтропии, метод басин-хоппинга — сходятся к решению с разной скоростью и стабильностью. Чтобы выбрать подходящий метод, нужно многократно запустить каждый алгоритм, собрать статистику и проанализировать историю сходимости.
Программа многократно запускает пять алгоритмов стохастической оптимизации на наборе тестовых задач и рассчитывает статистические характеристики: среднее значение, стандартное отклонение, медиану, лучшее найденное значение. Есть анализ истории сходимости и построение графиков, которые показывают динамику изменения значений целевой функции с учетом разброса результатов. На выходе пользователь получает таблицу статистических показателей и графики сходимости, позволяющие наглядно сравнить скорость и стабильность работы разных методов. Так, при тестировании метода кросс-энтропии программа показывает, что он сходится быстрее случайного поиска, но дает больший разброс результатов.
Практическая ценность разработки в том, что она автоматизирует рутинное сравнение алгоритмов. Это сокращает время исследований, исключает ошибки при ручном сборе данных и позволяет быстро тестировать новые модификации алгоритмов. Программа может использоваться как в научных лабораториях для анализа сходимости методов оптимизации, так и в инженерных подразделениях для подбора оптимального алгоритма под конкретную задачу — например, калибровки параметров теплоносителя или распределения ресурсов в производственной системе.
Подробнее — в опубликованном патенте № 2026686427 на сайте ЦИСиТТ.
