Векторная оптимизация

Cтраница 3

В этой главе аксиоматика векторной оптимизации, разработанная в гл. Такие многокритериальные задачи имеют в своей основе сложные нелинейные функции, и решение их по одному критерию затруднительно, а тем более решение Х - зада-чи, в основе которой лежат все критерии, входящие в модель. [31]

Иллюстрация задачи векторной оптимизации. [32]

Неполная определенность решения задачи векторной оптимизации ( множественный характер решения) обусловлена неопределенностью постановки задачи. При формализации пожеланий проектировщика не установлены предпочтения и приоритеты. Уменьшение неопределенности решения связано с привлечением дополнительной информации. [33]

Решение задач многокритериальной или векторной оптимизации осуществляется с использованием принципов выделения главного критерия, скаляризации вектора целевых функций, равномерности, идеальной точки, квазиоптимизации локальных критериев методом последовательных уступок, справедливого компромисса, оптимальности по Парето и ряда других. [34]

По определению, решением задачи векторной оптимизации является множество значений параметров, в котором изменение любого параметра с целью улучшения одного из частных критериев обязательно ухудшает хотя бы один другой. [35]

Многоцелевые задачи ( или задачи векторной оптимизации) и отвечающие им экономико-математические модели успешно применяют в условиях, когда необходимо учитывать несколько критериев - натуральных и денежных показателей. Приведение нескольких критериев к одному может противоречить идее построения наилучшего плана работы ТСК. Здесь же рассмотрим другие подходы векторной оптимизации. [36]

Существует несколько способов сведения задачи векторной оптимизации к задаче оптимизации скалярного критерия и получения, тем самым, единственного решения. Отметим, что все способы, которые рассматриваются ниже, удовлетворяют необходимому условию: минимизация скалярного критерия дает решение из области Парето. [37]

Геометрическая интерпретация векторной задачи линейного программирования с неоднородными критериями .| Геометрическая интерпретация результатов решения примера. [38]

Для решения такого класса задач векторной оптимизации используются алгоритмы, решения, представленные в разд. [39]

В третьей главе излагаются задачи векторной оптимизации и векторных уравновешиваний на основе коалиционного равновесия при отсутствии угроз. Сравнительный анализ методов векторной оптимизации позволяет выбрать гибкий интерактивный подход на основе конусов доминирования. Данный метод применяется для решения задачи коалиционного перехвата соединением ЛА подвижной цели с учетом противодействия на основе программно-корректируемого управления ( как фрагмента конфликта ЛС ПВО - ЛС СВН) с анализом способов увеличения быстродействия для его реализации. [42]

Вторая тенденция в развитии методов векторной оптимизации базируется на хорошо развитом аппарате теории оптимального управления и математического программирования. В рамках этих направлений разработаны многочисленные методы скалярной оптимизации, максимально учитывающие специфику решаемых задач, которая проявляется, прежде всего, в форме математического описания объекта управления, форме критерия, фазовых ограничений, ограничений на управление. Поскольку при решении задач векторной оптимизации так или иначе приходится решать одну или большее число задач скалярной оптимизации, то вполне естественно попытаться использовать математический аппарат, разработанный для решения задач скалярной оптимизации. [43]

Классификация алгоритмов решения задач векторной оптимизации. [44]

Согласно последней, общую задачу векторной оптимизации (2.1) можно решать с помощью алгоритмов, которые условно разбиты на две группы. [45]

Страницы: 1 2 3 4