ACM Transactions on Mathematical Software· 2026Q1
GENDIRECT: Türev Bilmeyen Küresel Optimizasyon Algoritmaları İçin Birleşik Bir Çerçeve
GENDIRECT: a GENeralized DIRECT-type algorithmic framework for derivative-free global optimization
- 3atıf
- Q1SCImago
- 2026yıl
Kısa özet
GENDIRECT, türev bilgisi gerektirmeyen DIRECT-tipi küresel optimizasyon algoritmalarını birleştiren yeni bir genelleştirilmiş algoritmik çerçevedir ve yüz binlerce bilinen ve yeni algoritma kombinasyonunun verimli bir şekilde üretilmesini sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- GENDIRECT, çok sayıda DIRECT-tipi türev bilgisi gerektirmeyen küresel optimizasyon algoritmasını tek bir genelleştirilmiş çerçevede birleştirir.
- Çerçeve, modüler bileşenlerin birleştirilmesiyle yüz binlerce algoritma kombinasyonunun oluşturulmasına olanak tanır.
- Belirli algoritmik bileşenler (örn. azalan Pareto seçimi, sonsuz norm) belirli hedef fonksiyonlarda performansı önemli ölçüde artırabilir.
- Elde edilen sonuçlar, çeşitli optimizasyon bütçe senaryoları için pratik varsayılan yapılandırmaların türetilmesini kolaylaştırır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
The DIRECT algorithm (DIviding RECTangles) has been a cornerstone of derivative-free global optimization for three decades, inspiring numerous enhancements and adaptations. The recent DIRECTGO toolbox consolidated over fifty of these implementations, providing users with a diverse set of tools. In this paper, we introduce GENDIRECT , a generalized framework that unifies DIRECT -type algorithms under a single approach. GENDIRECT offers a flexible alternative to creating yet another similar algorithm, enabling efficient generation of both known and novel DIRECT -type optimization algorithms through the assembly of different algorithmic components. This approach surpasses the flexibility of both the DIRECTGO toolbox and individual algorithms. GENDIRECT allows the creation of hundreds of thousands of combinations, facilitating customization and incorporation of new components for further advancements. A preliminary experimental study highlights the potential of specific algorithmic components (such as reduced Pareto selection or infinity norm for candidate size calculation) to significantly enhance performance on certain objective functions, emphasizing the importance of tailoring algorithmic choices within the framework to suit specific problem characteristics. The obtained results also facilitate the derivation of practical default configurations for small-, medium-, and large-budget optimization scenarios.
Yazarların özeti; kaynağından alınmıştır. ACM Transactions on Mathematical Software, 2026 · DOI ↗
Devamı Pofolia uygulamasında
Çıkarımlar ve makaleye soru sorma; ilgi alanına göre her gün yeni özetler. Ücretsiz.
Web'de giriş yaparak açAlan: Sayısal Analiz
Numerical AnalysisMathematics