Le funzioni test sono delle funzioni pensate e utilizzate per testare il funzionamento e l'efficienza degli algoritmi di ottimizzazione. Gli aspetti dell'algoritmo che tipicamente interessa mettere alla prova sono la velocità di convergenza, la precisione del risultato e la robustezza dell'algoritmo. Le funzioni test sono spesso problemi artificiali che mettono alla prova gli algoritmi in situazioni particolarmente scomode, ad esempio nella ricerca di minimi in funzioni particolarmente piatte (come un punto di minimo di una funzione continua nel quale si annullano molte derivate successive), funzioni il cui comportamento globale approssima quello di una funzione unimodale ma che in realtà presenta altri estremi locali, funzioni con un gran numero di punti di ottimo locali significativi, o funzioni il cui andamento globale non fornisce indicazioni significative sulla posizione dei punti di ottimo.

Nel seguito sono riportate alcune tra le più note funzioni test con una espressione in forma generale e le loro principali caratteristiche.

Principali funzioni test Le funzioni test presentate nel seguito sono riportate in Bäck, Haupt et. al. e dalla libreria software di Rody Oldenhuis.

Nome Grafico Espressione Minimo Dominio di ricerca Funzione di Ackley Funzione sferica , Funzione di Rosenbrock , Funzione di Powell Funzione di Beale Funzione di Goldstein–Price Funzione di Booth . Funzione di Bukin n.6 , Funzione di Matyas Funzione di Lévi n.13 Funzione del cammello a tre gobbe Funzione di Easom Funzione cross-in-tray Funzione di Eggholder Funzione di Hölder Funzione di McCormick , Funzione di Schaffer N. 2 Funzione di Schaffer N. 4 Funzione di Styblinski–Tang , . Funzione di Simionescu ,

Funzioni test per problemi MOP Le seguenti funzioni test per algoritmi di ottimizzazione multiobiettivo provengono da Deb,Deb, Kalyanmoy (2002) Multiobjective optimization using evolutionary algorithms (Repr. ed.). Chichester [u.a.]: Wiley. ISBN 0-471-87339-X. Binh et. al.Binh T. and Korn U. (1997) MOBES: A Multiobjective Evolution Strategy for Constrained Optimization Problems. In: Proceedings of the Third International Conference on Genetic Algorithms. Czech Republic. pp. 176-182 e Binh.Binh T. (1999) A multiobjective evolutionary algorithm. The study cases. Technical report. Institute for Automation and Communication. Barleben, GermanyIl software sviluppato da K. Deb è disponibile presso http://www.iitk.ac.in/kangal/codes.shtml

Nome Fronte di Pareto Funzioni Vincoli Dominio di ricerca Funzione di Binh e Korn , Funzione di Chakong e Haimes Funzione di Fonseca e Fleming , Funzione test n. 4 Funzione di Kursawe , . Funzione di Schaffer n. 1 . Values of form to have been used successfully. Higher values of increase the difficulty of the problem. Funzione di Schaffer n. 2 . Funzione di Poloni Funzione di Zitzler–Deb–Thiele n. 1 , . Funzione di Zitzler–Deb–Thiele n. 2 , . Funzione di Zitzler–Deb–Thiele's function n. 3 , . Funzione di Zitzler–Deb–Thiele n. 4 , , Funzione di Zitzler–Deb–Thiele n. 6 , . Funzione di Viennet . Funzione di Osyczka e Kundu , , . Funzione CTP1 . Problema Constr-Ex ,

Note

Voci correlate Funzione di Himmelblau Funzione di Rosenbrock Funzione di Rastrigin Funzione di Shekel

Altri progetti

Categoria:Ottimizzazione Categoria:Funzioni reali di più variabili reali