SmartSelection

Автоматический выбор наиболее подходящего алгоритма оптимизации и техники аппроксимации.

Что такое SmartSelection?

Хорошо известно, что эффективность решения задач оптимизации и построения аппроксимационных моделей сильно зависит от правильного выбора алгоритма. Утомительная настройка внутренних параметров алгоритма оптимизации или ручной поиск техники аппроксимации могут занимать много времени и не привести к успеху.

SmartSelection – это специальная техника в pSeven, используемая в оптимизации и аппроксимации, которая автоматически выбирает наиболее эффективный подход к решению для заданного типа задачи и данных. Принцип этой техники состоит в том, что пользователь взаимодействует с необходимым ему инструментом только в терминах описания задачи и свойств модели, которые для него важны и понятны, а не в терминах низкоуровневых настроек алгоритмов, о которых пользователь не осведомлен или не знает.

Info

Предоставьте описание задачи

arrow_forward
SmartSelection

Используйте SmartSelection

arrow_forward
Analytics

Получите результаты

Набор подсказок и опций в SmartSelection помогает пользователю описать задачу и желаемое решение с его точки зрения, а не с алгоритмической точки зрения. Данная техника скрывает внутреннюю сложность алгоритмов, так что пользователь может сосредоточиться на решении самой задачи. Это открывает экспертный уровень математики для оптимизации и аппроксимации даже для неспециалистов в данной области.

SmartSelection для оптимизации

Успех процесса оптимизации зависит от множества технических аспектов и может включать в себя несколько методов оптимизации с различными глобализационными и локальными алгоритмами, поэтому выбор единственного алгоритма может не привести к желаемому результату.

SmartSelection для оптимизации использует, предоставленные пользователем, подсказки о задачи для начальной навигации и автоматически выбирает наиболее подходящие алгоритмы, в то время как их параметры настраиваются адаптивно в процессе решения. В случае серьезного ухудшения производительности данная техника прерывает процесс решения и перезапускает его с использованием следующего подходящего алгоритма.

Подсказки и опции в SmartSelection для оптимизации:

  • Подсказки для входных параметров: непрерывные/целочисленные.
  • Подсказки для ограничений и целевых функций: ресурсоемкое/быстрое вычисление, линейное/квадратичное/обычное поведение.
  • Предустановки: аналитическая задача, гладкая задача, шумная задача, сильно зашумленная задача, ресурсоемкая задача.
  • Высокоуровневые настройки: критерий остановки, интенсивность глобализации, количество точек Парето.

Настройка SmartSelection для оптимизации

Настройка SmartSelection для оптимизации

Оптимизация при помощи SmartSelection в сравнении с открытыми алгоритмами

Оптимизация при помощи SmartSelection в сравнении с открытыми алгоритмами: NSGA-II, Adaptive Scalarization, SmartSelection – 280 итераций каждый

SmartSelection для аппроксимации

Выбор одной определенной техники аппроксимации часто является недостаточным для построения точной модели. Наилучший тип модели и параметры техники аппроксимации значительно зависят от конкретной задачи и данных. Другими словами, важная информация с технической точки зрения может быть заранее неизвестна.

SmartSelection для аппроксимации предоставляет автоматический и адаптивный выбор наилучшей техники. Для лучшего качества аппроксимации различные части модели могут быть построены с использованием разных техник.

Подсказки и опции в SmartSelection для построения аппроксимационных моделей:

  • Подсказки о данных: линейная/квадратичная/прерывистая зависимость, зависимые выходные параметры, тензорная структура.
  • Желаемые свойства модели: допустимое качество, гладкая модель, оценка точности, точное соответствие, не сохранять обучающую выборку, предсказание NaN.
  • Свойства аппроксимации: тип валидации, внутренняя валидация, случайное обучение, лимит времени обучения.

Настройка SmartSelection для аппроксимации

Настройка SmartSelection для аппроксимации

Качество аппроксимационных моделей, построенных при помощи SmartSelection, в сравнении с отдельными техниками

Качество аппроксимационных моделей, построенных при помощи SmartSelection, в сравнении с отдельными техниками

Заинтересовало решение?

Нажмите, чтобы запросить бесплатную 30-дневную демоверсию.

Запросить демо