Cтраница 3
Как следует из данной таблицы, наименьшие значения целевой функции получаются при нахождении варианта решения с помощью алгоритма метода вектора спада и фронтальных алгоритмов, в которых также используется алгоритм метода вектора спада при построении схемы локальной оптимизации. [31]
Аналогично можно получить результаты, касающиеся описанного алгоритма в применении к различным целевым функциям, определенным в различных комбинаторных пространствах, а также применить указанный прием для оценки вычислительной эффективности других алгоритмов метода вектора спада, в том числе для решения условных оптимизационных задач. [32]
Эту же задачу можно решить как безусловную задачу минимизации с целевой функцией / ( я), являющейся количеством нарушений условия (4.17) при размещении элементов А на т X л-сетке; для этой цели также применим метод вектора спада. [33]
Большинство реальных задач позволяют сравнительно легко вычислять функцию А ( х, yi) и тем самым использовать вектор спада г ( х) при решении локальной задачи (4.1), что позволило назвать схему 1 - 4 методом вектора спада. [34]
Из теорем 5.17, 5.17, 5.17 следует, что решение полностью Е - выпуклой, Е - выпуклой с меткой, Е - выпуклой задач минимизации, полученное методом вектора спада, является глобальным решением задачи независимо от начального приближения и величины радиуса окрестности, выбранного в конкретном алгоритме метода вектора спада. [35]
Требуется определить максимум функции / ( х) при ограничении ф ( х) G, G const. Схема метода вектора спада для этой задачи уточняется следующим образом. [36]
Ряд алгоритмов локальной оптимизации позволяют варьированием определенного параметра получать более точное решение. Таким параметром для алгоритмов метода вектора спада служит радиус окрестности. [37]
Для решения этих задач применяется метод вектора спада. Перебор точек окрестности при р - 1 происходит следующим образом. [38]
Если х образован исключением или присоединением к х нуль-элемента, то значение функции F ( х) при этом не изменится. F ( х) F ( х), переходим по схеме метода вектора спада к х как новому центру окрестности, однако х в новой окрестности исключаем из рассмотрения. [39]
Для решения этих задач пакет ВЕКТОР-1 использует совокупность алгоритмов, основанных на общей идее метода вектора спада. Не излагая общей схемы метода вектора спада ( это уже сделано нами выше), остановимся только на конкретизации понятия метрики. [40]
Не останавливаясь на применении методов, разработанных для задач раскроя [151] ( хотя такое применение может быть, по-видимому, весьма успешным) и на ряде специальных методов [156, 109], мы кратко рассмотрим особенности реализации метода вектора спада для этого класса задач. [41]
Эффективность алгоритма метода вектора спада подтверждена также при решении другого типа задач размещения - квадратичной задачи о назначениях, в частности, тест-задачи Штейнберга, широко известной в литературе. В табл. 21 приведены данные по решению этой задачи 12 алгоритмами, причем данные по первым десяти алгоритмам заимствованы нами из книги [134], а применение метода сужающихся окрестностей описано в работе [153]; в последней строке таблицы приведены данные о применении метода вектора спада. [42]
Для решения этих задач пакет ВЕКТОР-1 использует совокупность алгоритмов, основанных на общей идее метода вектора спада. Не излагая общей схемы метода вектора спада ( это уже сделано нами выше), остановимся только на конкретизации понятия метрики. [43]
Решения, полученные при помощи описанных выше двух алгоритмов, являются приближенными решениями. Локальное решение задачи (6.5) гарантировано в том случае, если продолжить счет, например, по методу вектора спада. Как показали численные эксперименты, алгоритмы декомпозиционного типа дают достаточно хорошее приближение, а применение метода вектора спада после них позволяет получить такое локальное решение, которое трудно достичь только методом вектора спада, если исходить из случайных начальных приближений. [44]
Так как увеличение пропускной способности ЭВМ и ее эффективного быстродействия достигается путем более рационального использования аппаратных и программных ресурсов, то осуществлять указанное планирование целесообразно на основе объективной, автоматически получаемой информации о ресурсах, необходимых для реализации каждой программы. Наряду с приближенным решением указанной задачи, что достигается путем использования для ее решения одной из модификаций метода вектора спада [139], система ЦЕНТРАС осуществляет накопление и классификацию информации о ВП на различных его этапах, определяет показатели работы ЭВМ МП и ВЦ, а также решает ряд других задач. [45]