Определение - целевая функция
Cтраница 2
 |
Допустимая область поиска экстремума. [16] |
Очевидно, что Х0 должна принадлежать области определения целевой функции и чем ближе к экстремуму выбрана Х0, тем быстрее и с большей вероятностью экстремум будет найден. Сущность метода оптимизации определяется этапами 2 и 3 алгоритма, на которых выбирается направление дальнейшего поиска и вычисляются координаты очередной точки XA I на траектории поиска. Далее в точке Xh i вычисляются значения целевой функции F ( X. Инженер может назначить различные условия прекращения поиска, и в зависимости от степени их выполнения поиск будет продолжен или прекратится. [17]
Картпна отображаемой информации выводится на алфавитно цифровой дисплей после определения целевых функций. Наряду с табличным отображением значения граничных и опорных решений выводятся также на график. Согласно алгоритму после анализа характера расположения предложенных решений на графике ЛПР определяет область предпочтительного расположения оценок нового варианта решения и вводит в ЭВМ соответствующее значение величины F1 или Fz. После расчета оптимального значения по другой координате на соответствующем месте графика отображается новая точка, а в таблице - значения ее оценок. [18]
Под функциональной моделью понимается такая модель исследование которой дает возможность определения целевой функции и тенденций развития исходной системы. Она имитирует способ поведения ( функцию) оригинала. [19]
Выбором конкретного значения степени централизации механизма проектирования S задаются области определения целевых функций центра F и элементов / П) п 1, N. В свою очередь, с учетом ограничений на области определения функций F и / п, п 1, N, находятся множества Р и В. Таким образом, существует однозначное соответствие между множествами и областями определения функций F и /, п 1, N. В дальнейшем при определении последних в скобках будем указывать и соответствующие им подмножества модулей Р и информационных массивов В. [20]
Для оценки технико-экономической эффективности проектируемой системы необходим выбор критерия эффективности и определение целевой функции, выражающей аналитическую зависимость этого критерия от оптимизируемых параметров. [21]
Решение задач оптимизации складывается из следующих элементов: создание математической модели явления, определение целевой функции и важнейших параметров, подлежащих оптимизации, непосредственная минимизация некоторой функции ( обычно большого числа переменных), внедрение результатов исследования. [22]
В достижении экономического оптимума, при оптимизации темпов и пропорций экономического роста имеет исключительное значение определение целевой функции или критерия оптимальности. В свою очередь, она трансформируется в критерий эффективности производства под влиянием специфических экономических законов той или иной формации. [23]
Таким образом, задача математического программирования с нелинейной целевой функцией и нелинейными ограничениями сведена к определению сепарабельной целевой функции при линейных ограничениях. Обычно решение задач такого рода затруднительно, если не известны пределы изменения оптимизируемых переменных. [24]
Возможность выбора решения задачи стохастического программирования в смешанных стратегиях ( в решающих распределениях) расширяет область определения целевой функции и приводит обычно к увеличению верхней грани и уменьшению нижней грани показателя качества решения. Однако имеются классы задач, в которых верхние ( или нижние) грани целевой функции в чистых и смешанных стратегиях совпадают. [25]
Метод заключается в распределении задачи 2) на цепочку задач меньшей размерности с соответствующим разбиением области определения целевой функции задачи. [26]
 |
Обобщение характеристики ОТМ. [27] |
Программа позволяет менять число к ( в к массиве памяти находится величина е3, от которой зависит точность определения целевой функции) и количество мероприятий. [28]
Также нужно отметить, что увеличение обучающей выборки в процессе активных экспериментов не приводит к улучшению качества идентификации на всей области определения целевой функции. Наилучшее приближение обеспечивается в области стационарной точки ( кривая 11), что можно объяснить сосредоточением данных, собираемых в процессе активных экспериментов в этой области. [29]
Прежде чем перейти непосредственно к описанию алгоритма, остановимся немного подробнее на способах аппроксимации ЛЦФ или способах построения модели некоторого объекта путем определения целевой функции, максимума которой объект пытается достичь при соблюдении ограничений. [30]
Страницы: 1 2 3 4