Cтраница 2
Оптимизация газоперерабатывающих заводов усложняется двумя факторами: многомерностью задачи поиска экстремума, сложностью расчета целевой функции ГПЗ, равной сумме оптимальных значений целевых функций для элементов завода. [16]
Определение оптимального режима многоступенчатого разгазирования нефти представляет собой задачу поиска экстремума для некоторой функции цели. [17]
При использовании методов первой группы на каждом шаге решается задача поиска экстремума некоторой функции. Искомые значения производных ( ускорения) обеспечивают этот экстремум. Однако, эти значения производных могут быть найдены лишь приближенно, с ошибкой еЦ, причем, учитывая, что по воображениям быстродействия лри поиске экстремума можно позволять лишь несколько итерационных приближений, нет оснований считать, что Ы окажется меньше ( 3, Во всяком случае эти. [18]
Из сказанного выше совершенно ясно, что трудность решения задачи поиска экстремума может быть увеличена или уменьшена выбором масштаба параметров. [19]
До сих пор при рассмотрении метода стохастической аппроксимации применительно к задаче поиска экстремума оставался в стороне вопрос о способе измерения составляющих градиента. Особенностью стохастической аппроксимации является то, что величина пробного шага не остается постоянной, а зависит от номера шага. [20]
До сих пор при рассмотрении метода стохастической аппроксимации применительно к задаче поиска экстремума оставался в стороне вопрос о способе измерения составляющих градиента. [21]
Таким образом, при использовании данной модели удается существенно уменьшить размерность задачи поиска экстремума. [22]
Задачи планирования, решаемые с помощью рассмотренных выше моделей, формулируются как задачи поиска экстремума целевой функции ( критерия) при ограничениях на переменные, которые соответствуют основным факторам, влияющим на процесс. При выборе критериев оптимальности в моделях ЕСГ рекомендуется использовать показатели дифференциальных затрат, определяемые из оптимальной межрайонной модели, что позволяет при разработке планов - развития ЕСГ получать результаты, лучше согласующиеся с народнохозяйственным оптимумом. [23]
Если не обращать пока внимания на ограничения, то наипростейший путь решения задачи поиска экстремума состоит в поочередном изменении каждого параметра. Например, отыскивая максимум F ( xit x2), мы сначала изменяем хг вдоль ab, как показано на фиг. Для двух или большего числа параметров описан метод с незначительными изменениями: это релаксационный метод Соузвелла. [24]
Если не обращать пока внимания на ограничения, то наипростейший путь решения задачи поиска экстремума состоит в поочередном изменении каждого параметра. Например, отыскивая максимум F ( XI, xz), мы сначала изменяем x вдоль ab, как показано на фиг. Для двух или большего числа параметров описан метод с незначительными изменениями: это релаксационный метод Соузвелла. [25]
ПОИСК ИТЕРАЦИЯМИ ( iterative search re-clicrche iterative; Iterations-Suchbetrieb) - метод решения задач поиска экстремума ф-ции нескольких переменных путем последоват. Пусть имеется ф-ция песк. [26]
В частности, с помощью моделей успешно решаются задачи оптимизации ЭМММ, являющиеся задачами поиска экстремумов при нелинейных системах уравнений и нелинейных ограничениях. [27]
ПОИСК ИТЕРАЦИЯМИ ( iterative search ге - clmrche iterative; Iterations-Suclibetrieb) - метод решения задач поиска экстремума ф-ции нескольких переменных путем последоват. Пусть имеется ф-ция неск. Пусть известно, что Q имеет лишь одну точку экстремума ( напр. [28]
Если на функции, от которых зависят исследуемые функционалы, наложены некоторые дополнительные условия, то задача поиска экстремума называется задачей на условный экстремум. [29]
Теория локальных экстремумов применима для исследования оптимизационных задач как в конечномерных случаях, так и для задач поиска экстремума в функциональных пространствах. Разумеется, изложение ее в самом общем виде, требующее привлечения сложного аппарата современного функционального анализа, выходит далеко за рамки нашего курса. Однако исходные идеи этой теории весьма прозрачны и их строгое изложение для конечномерных задач, которым посвящена данная книга, достаточно компактно и легко для восприятия. Оно приводится ниже), и условия экстремума для задач с ограничениями будут получены как следствие основной теоремы Милютина - Дубовицкого. Доказательство последней опирается на элементарные сведения из теории выпуклых множеств. Краткое изложение этой теории дано в первом параграфе настоящей главы. [30]