数模算法-网格算法和穷举法

网格算法和穷举法一样,只是网格法是连续问题的穷举。
比如要求在 N 个变量情况下的最优化问题,那么对这些变量可取的空间进行采点,
比如在 [ a; b ] 区间内取 M +1 个点,就是 a; a +( b ? a ) =M; a +2 ¢ ( b ? a ) =M ; …;b
那么这样循环就需要进行 ( M + 1) N 次运算,所以计算量很大。

在数学建模竞赛中:比如 97 年 A 题、 99 年 B 题都可以用网格法搜索,这种方法最好在运算速度较
快的计算机中进行,还有要用高级语言来做,最好不要用 MATLAB 做网格,否则会算很久。
穷举法大家都熟悉,自不用多说了。

  • 2
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
网格搜索算法是一种基于穷举搜索的机器学习参数调优方,它通过遍历给定的参数组合来寻找最佳的超参数组合。 具体来说,网格搜索算法会将每个超参数的取值范围分成若干个离散值,然后对所有可能的超参数组合进行穷举搜索,并根据预设的评价指标来评估每个超参数组合的性能。最终,算法会返回在搜索过程中得分最高的超参数组合。 网格搜索算法之所以被广泛使用,是因为它具有以下优点: 1.简单易懂:网格搜索算法的原理非常简单,容易理解和实现。 2.全局最优:由于网格搜索算法穷举搜索所有可能的超参数组合,因此可以保证找到全局最优的超参数组合。 3.可解释性强:网格搜索算法的结果非常直观,可以很容易地解释为什么选择了某个超参数组合。 4.适用性广泛:网格搜索算法可以应用于大多数机器学习型,不需要太多的领域知识。 但是,网格搜索算法也存在一些缺点。由于它需要遍历所有可能的超参数组合,因此时间复杂度非常高,对于大规数据集或者参数空间很大的型,搜索时间会非常长。 另外,网格搜索算法还可能会遇到“维度灾难”问题,即当超参数数量增加时,搜索空间会呈指数级增长,搜索效率会大大降低。 因此,在实际应用中,我们需要权衡时间和精度的关系,选择合适的超参数搜索方
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值