Поиск по шаблону (также известный как прямой поиск, поиск без производных или поиск по черному ящику) - это семейство численных методов оптимизации, для которых не требуется градиент. В результате его можно использовать с функциями, которые не являются непрерывным или дифференцируемым. Одним из таких методов поиска по образцу является «конвергенция» (см. Ниже), который основан на теории положительных оснований. Оптимизация пытается найти наилучшее совпадение (решение с наименьшим значением ошибки) в многомерном анализе пространстве возможностей.
Название «поиск по образцу» придумали Гук и Дживс. Ранний и простой вариант приписывается Ферми и Метрополису, когда они работали в Национальной лаборатории Лос-Аламоса. Дэвидон описывает это следующим образом:
Они изменяли один теоретический параметр за раз с шагом одинаковой величины, и когда такое увеличение или уменьшение какого-либо одного параметра не улучшало соответствие экспериментальным данным, они вдвое уменьшали размер шага и повторял процесс до тех пор, пока шаги не были сочтены достаточно маленькими.
Конвергенция - это метод поиска по образцу, предложенный Ю, который доказал, что он сходится, используя теорию положительных оснований. Позже Торцон, Лагариас и соавторы использовали методы положительного базиса, чтобы доказать сходимость другого метода поиска по образцу на конкретных классах функций. Вне таких классов поиск по образцу - это эвристика , которая может предоставить полезные приблизительные решения для некоторых проблем, но может дать сбой для других. Вне таких классов поиск по образцу не является итерационным методом, который сходится к решению; действительно, методы поиска по образцу могут сходиться к нестационарным точкам в некоторых относительно простых задачах.