Отыскание - экстремум
Cтраница 3
Методы решения задач отыскания экстремума функций при нято разделять на два класса: на прямые методы и методы, использующие необходимые условия. Эта классификация довольно условна. Тем не менее она бывает удобной, поскольку методически она имеет своим истоком различие в подходах к проблеме отыскания экстремума. [31]
Методы решения задач отыскания экстремума функций принято разделять на два класса: на прямые методы и методыг использующие необходимые условия. Эта классификация довольно условна. Тем не менее она бывает удобной, поскольку методически она имеет своим истоком различие в подходах к проблеме отыскания экстремума. [32]
 |
Глобальный и локальный максимумы [ IMAGE ] Принципиальная схема адаптивной АСР. [33] |
Решение задач по отысканию экстремума приобретает еще большее значение при рассмотрении класса адаптивных систем регулирования. [34]
Способы зондирования при отыскании экстремумов безразмерной избыточной температуры полуограниченного и неограниченного тел и неограниченной пластины идентичны. [35]
 |
Блок-схема программы поиска с квадратичной экстраполяцией. [36] |
Функционирование такого алгоритма обеспечивает отыскание экстремума за один цикл для объектов с квадратичной характеристикой и весьма быстрое приближение к экстремуму для объектов с характеристикой более высокого порядка. Работа алгоритма показана на рис. 5.3.2 на кубическом объекте. [37]
Им было создано правило отыскания экстремумов, к-рое в современных обозначениях можно передать следующим образом. [38]
С целью сокращения времени отыскания экстремума в системе реализован поиск по методу градиента. [39]
Поэтому для решения задач отыскания экстремума функции многих переменных ( IV, 1) с ограничениями на независимые переменные ( IV, 2) обычно используют метод неопределенных множителей Лагранжа, вывод основных соотношений которого рассмотрен ниже. [40]
Первая - это проблема отыскания экстремумов многомерных функционалов от нескольких функций. Такого рода задачи очень трудно, а подчас и просто невозможно формализовать, используя классические представления. Основная роль в отыскании экстремума ( приемлемой ситуации) отводится человеку, а задача вычислительной машины - эффективно обрабатывать исходную информацию и предоставлять результаты обработки в достаточно удобной для нас форме. Успешное решение проблемы достигается, по-видимому, введением в состав машины оперативного устройства отображения информации и устройства, дающего возможность человеку непосредственно управлять ходом решения задачи. [41]
Решение оптимизационной задачи эквивалентно отысканию экстремума некоторой величины - целевой функции, зависящей от многих взаимосвязанных переменных. Эта зависимость может быть установлена на основе математической модели. Поиск экстремума целевой функции может быть осуществлен разными методами. [42]
Рассматриваемая задача сводится к отысканию экстремума ( минимума) функции нескольких переменных. [43]
Такая задача сводится к отысканию экстремума сложной функции нескольких переменных и может быть решена методами теории условного экстремума, линейного программирования или наискорейшего спуска. [44]
Трудности, связанные с отысканием экстремумов функции сложной аналитической структуры, в известной степени могут быть преодолены, если исходную достаточно сложную задачу заменить совокупностью более простых задач. Именно к этому сводится идея использования для решения задач отыскания экстремумов функции многих переменных так называемых релаксационных процедур. Структура стандартной релаксации состоит в следующем. [45]
Страницы: 1 2 3 4