Cтраница 2
Если допустимое множество последней пусто, а это будет при х1 х, полагаем F ( х1) - - со. [16]
Пусть допустимое множество X имеет вид (1.1.1), D En и все функции /, gs являются полиэдральными вогнутыми. [17]
Если непустое допустимое множество О является замкнутым, ограниченным и выпуклым, а непрерывная функция ( х) вогнута - на О, то локальный максимум является глобальным, а множество точек, на котором он достигается, выпукло. [18]
Пусть локальное допустимое множество элемента ( множество X) является многогранником, а векторы критериев и показателей элемента ( здесь мы не предполагаем, что эти векторы совпадают) являются линейными, дробно-линейными или квадратичными. [20]
Если допустимое множество исходной задачи (4.10) непусто, в полученном решении х эта сумма, а стало быть, и каждая из вспомогательных переменных будет равна нулю. [21]
Для допустимых множеств специальной структуры ( с точки зрения простоты решения задачи выбора направления Sp) находят применение методы минимизации, отличные от метода возможных направлений. [22]
При параметризации допустимое множество функций представляется в виде некоторого ряда, выраженного суммой парных произведений известных опорных функций на неизвестные коэффициенты-параметры. Для этой цели могут быть использованы, например, тригонометрические полиномы, ортогональные полиномы Чебышева и др. В итоге задача планирования эксперимента становится конечномерной, и в роли факторов здесь выступают уже некоторые параметры, число которых может быть сравнительно небольшим. Заметим, что наша задача формулируется теперь так: надо выбрать такие значения факторов-параметров краевых условий, чтобы в итоге экспериментирования наиболее точно идентифицировать неизвестные параметры модели. [23]
При этом допустимое множество векторов р должно быть ограниченным - иначе конечного минимума не найти. [24]
Поэтому замкнутость допустимого множества является важным условием большинства задач оптимизации. [25]
Определяется точка допустимого множества, через которую проходит линия уровня с максимальным ( для задачи максимизации) или минимальным ( для задачи минимизации) значением параметра С. Если целевая функция не ограничена сверху ( для задачи максимизации) или не ограничена снизу ( для задачи минимизации) на допустимом множестве, то задача не имеет решения. [26]
При описании допустимого множества, на котором ищется минимум функции /, помимо ее области задания X обычно вводятся те или иные ограничения. [27]
Следует из допустимого множества функций выбирать такую функцию, которая наилучшим образом приближается к совокупности имеющихся эмпирических данных. [28]
Следует из допустимого множества функций выбирать такую, которая удовлетворяет определенному соотношению между величиной, характеризующей качество приближения функции к заданной совокупности эмпирических данных, и величиной, характеризующей сложность приближающей функции. [29]
В случае неограниченного допустимого множества U задача линейного программирования ( 10) - ( 12) может не иметь решения. [30]