Cтраница 2
Если в уравнениях ( 7 - 4) отбросить члены выше второго порядка малости, а в уравнении ( 7 - 5) - члены выше первого порядка малости, то в достаточно малой окрестности вектора Vfe получим квадратичную модель оптимизируемого критерия и линейную модель ограничений, которые, как правило, и используются в поисковых методах оптимизации в качестве приближений для критерия и ограничений на k - u шаге оптимизации. [16]
Знак - означает неточное достижение оптимизируемого критерия и неточного выполнения ресурсного ограничения, ААН - допустимое превышение ресурса / / - го вида. [17]
При получении квадратичного разложения для оптимизируемого критерия в соответствии с формулами ( 7 - 12) и ( 7 - 13) необходимо определять п X т X ( т 3) / 2 частных производных. В случае статистического критерия для получения математических ожиданий ( 7 - 12) и ( 7 - 13) нужно будет проделать это для какого-то числа реализаций. Очевидно, что при больших m и га, а также при высоких требованиях к точности счета статистических характеристик нужно будет решать задачу очень большого объема и в смысле требуемой памяти ЦВМ, и в смысле расхода машинного времени. Например, в случае четырехмерного вектора фазовых координат ( п 4) и двумерного вектора параметров управления нужно будет интегрировать систему дифференциальных уравнений чувствительности двадцатого порядка совместно с основной системой четвертого порядка. [18]
Различные поисковые методы в основном отличаются друг от друга способом определения направления движения к оптимуму, размером шага и продолжительностью поиска вдоль найденного направления, критериями окончания поиска, простотой алгоритмизации и применимостью для различных ЦВМ. Техника поиска экстремума основана на расчетах, которые позволяют определить направление наиболее быстрого изменения оптимизируемого критерия. [19]
Различные поисковые методы в основном отличаются один от другого способом определения направления движения к оптимуму, размером шага и продолжительностью поиска вдоль найденного направления, критериями окончания поиска, простотой алгоритмизации и применимостью для различных ЭВМ. Техника поиска экстремума основана на расчетах, которые позволяют определить направление наиболее быстрого изменения оптимизируемого критерия. [20]
Различные поисковые методы в основном отличаются друг от друга способом определения направления движения к оптимуму, размером шага и продолжительностью поиска вдоль найденного направления, критериями окончания поиска, простотой алгоритмизации и применимостью для различных ЦВМ. Техника поиска экстремума основана на расчетах, которые позволяют определить направление наиболее быстрого изменения оптимизируемого критерия. [21]
Различные поисковые методы в основном отличаются друг от друга способом определения направления движения к оптимуму, размером шага и продолжительностью поиска вдоль найденного направления, критериями окончания поиска, простотой алгоритмизации и применимостью для различных ЦВМ. Техника поиска экстремума основана на расчетах, которые позволяют определить направление наиболее быстрого изменения f оптимизируемого критерия. [22]
Выше упоминалось, что основные проблемы статистической обработки данных могут быть сформулированы в виде общей оптимизационной задачи ( при соответствующем выборе оптимизируемого критерия качества метода) таким образом, что и методы математической статистики, и методы логико-алгебраического подхода конструируются в качестве решений этой задачи. [23]
Поскольку наибольший объем расчетов приходится на определение обратной матрицы [ 3д ], желательно уменьшить число промежуточных базисов, для каждого из которых необходимо вычислять обратную матрицу. Этого можно достичь, если на каждом шаге симплексного метода выбирать небазисный вектор Ah, вводимый в базис, так, чтобы он давал наибольшее изменение оптимизируемого критерия. [24]
Поскольку наибольший объем расчетов приходится на определение обратной матрицы [ fi / J, желательно уменьшить число промежуточных базисов, для каждого из которых необходимо вычислять обратную матрицу. Этого можно достичь, если на каждом шаге симплексного метода выбирать небазисный вектор Ak, вводимый в базис, так, чтобы он давал наибольшее изменение оптимизируемого критерия. [25]
Анализ работы технологической системы обычно заключается в определении расхода и качества продуктовых и промежуточных потоков, а также некоторых режимных параметров. Для заданного начального состояния системы требуется найти такое допустимое управление, которое доставляет некоторому критерию наибольшее значение. Часто в качестве оптимизируемого критерия выбираются расход и качество товарного продукта. [26]
Так как на каждом этапе, начиная со второго, система ограничений пополняется новым условием, все эти оптимумы, кроме первого, будут в общем случае иными, чем если бы мы их получили, решая на каждый критерий исходную задачу. Поэтому степень приближения окончательного решения к каждому отдельному оптимуму, кроме первого, остается в какой-то мере неопределенной. Однако это можно установить, только решив первоначальную задачу на каждый критерий в отдельности. Для исправления плана расчеты повторяются с другими гарантированными уровнями оптимизируемых критериев. [27]
Большие затраты на отладку обеспечивают малую вероятность оставшихся невыявленными ошибок и допускают снижение затрат на проведение контроля вычислительного процесса. Критерием качества может быть достоверность получаемых результатов. При этом возникают, во-первых, задача определения вероятности или количества ошибок в управляющих программах в зависимости от затрат на отладку программ и, во-вторых, задача определения вероятности обнаружения искажения вычислительного процесса в зависимости от затрат на оперативную защиту. Все затраты и получаемый эффект, так же как и оптимизируемый критерий, должны быть определены в сопоставимых единицах. [28]