Szia!
ELőre jelzem: a publikációkat nem olvastam, csak a weboldalt.
Ha jól értelmezem, a probléma egy sokváltozós egészoptimalizálási probléma (az oldalon szereplő példában a változók egészek mind). A módszer arra irányul, hogy a keresendő függvényen határozzuk meg a lehető legkevesebb vektor kipróbálásával az állapottér globális szélsőértékét. Az ok-okozati folytonosságot nem értem, tulajdonképpen arra tudok gondolni, hogy a vizsgált függvényre igaz az, hogy bármely két olyan vektorra, amelyre igaz az, hogy távolságuk az L1-normában (Minkowski-norma) 1, akkor a hozzájuk tartozó függvényértékek valamely m (előre rögzített )korláton belül vannak (természetesen az állítás mindig igaz, hiszen m-et választhatjuk a függvény által felvett legnagyobb értéknek az adott téren, azonban ez a fajta "folytonossági" definíció ezzel az m értékkel használhatatlan bármire is). Tulajdonképpen diszkrét állapottéren a klasszikus folytonosság nem is definiálható, a feladat szempontjából a folytonos változókra való relaxálás gyakorlati szempontból (megvalósíthatatlan megoldás, pl. félig nyitott-félig zárt kapcsoló) kétséges.
A tér folytonosságát nem értem, hogyan kell értelmezni, nyilván igaz az, hogy minden x vektorhoz található olyan y vektor, hogy d(x,y) = 1 legyen ( a fenti metrikát használva). Azonban ebből a tulajdonságból nem következik, hogy minden ilyen téren értelmezett függvényre igaz a fenti definíció szerinti folytonosság valamely kis m értékkel. Azaz lehet, hogy m=3-t választva a fenti definíció szerint a függvény "folytonos" (két szomszédos vektor által felvett függvényérték különbsége mindig kisebb, mint 3), azonban a függvényt folytonosnak már nem lehetne nevezni m=2 esetén.
A vektorforgatás nem csinál mást, mint ( ha jól értem) az állapottér más-más vetületét vizsgálod gradiensmódszerrel (azaz tkp más-más koordinták szerinti szomszédok esetében keresed az optimumot).
Azaz az első lépésben az első két koordináta szerinti szomszédokat vizsgálod, utána a vizsgált vektorok második két koordináta szerinti szomszédait vizsgálod, stb.
Nem látom annak a bizonyítását, hogy ez a módszer valóban megtalálja a globális optimumot (azaz a nem mért értékek között miért nem lehet a globális optimumhoz tartozó állapotté-vektor?)
Ui. Elolvastam a "Lajos Vegvari, Andras Tompos, Sandor Gobolos, Jozsef Margitfalvi, Holographic research strategy for catalyst library design: Description of a new powerful optimisation method, Catalysis Today, Volume 81, Issue 3, European Workshop on Combinatorial Catalysis, 30 June 2003, Pages 517-527" cikket. Ez alapjan kerdezem: mi alapjan dontitek el, mekkora kornyezetben mertek egy-egy lepesben? A cikkben 5-s tavolsag szerepel. Masreszt hogyan kerulitek el azt, hogy az allapotterben egy nagy kornyezetben lokalis optimumot tekintsetek globalis optimumnak a valodi, kis kornyezetben lokalis globalis optimum helyett, azaz magyaran hogyan tud az algoritmus egy nagymeretu godorbol a godor aljarol indulva kilabalni ahhoz, hogy megtalalja a szuk szakadekot?