Cтраница 2
Рассматривается задача поиска максимума для трех классов скалярных функций. Оптимальные по точности алгоритмы представляют собой оптимальные сетки из п точек, лежащих в заданном интервале. [16]
Рассматривается задача поиска максимума в классе линейно унимодальных скалярных функций нескольких переменных. Информация - значения / в адаптивно выбираемых точках. Оптимальные алгоритмы определены как алгоритмы, минимизирующие меру множества максимумов всех функций, соответствующих вычисленной информации. Та же задача рассматривается для подкласса сферически симметричных функций. [17]
Рассматривается задача поиска максимума для класса скалярных унимодальных функций. Информация-значения / в п адаптивно выбираемых точках. Доказана оптимальность метода Фибоначчи. [18]
Рассматривается задача поиска максимума для класса скалярных унимодальных функций. Изучаются оптимальные параллельные алгоритмы поиска. [19]
Рассматривается задача поиска максимума для класса скалярных унимодальных функций. Получен классический результат, что метод Фибоначчи - оптимальный по точности алгоритм. Оптимальная погрешность равна l / Fn i, где Fn i есть ( 1) - е число Фибоначчи. [20]
Рассматривается задача поиска максимума для класса непрерывных унимодальных скалярных функций нескольких переменных. Дан алгоритм, являющийся обобщением одномерного алгоритма поиска Фибоначчи. [21]
Рассматривается задача поиска максимума на решетке точек для класса скалярных унимодальных функций k переменных. [22]
Рассматривается задача поиска максимума для класса функций, удовлетворяющих условию Липшица, и класса унимодальных скалярных функций. Информация - значения /, вычисляемые одновременно или адаптивно. Дается обзор многих результатов, относящихся к этой задаче. [23]
Рассматривается задача поиска максимума для класса унимодальных функций в предположении, что точки максимума равномерно распределены. Информация - значения / в адаптивно выбираемых точках. [24]
Рассматривается задача поиска максимума для класса скалярных унимодальных функций. Изучаются оптимальные алгоритмы, использующие одновременно вычисляемые значения функции. [25]
Классический метод поиска максимума функции Ф переменных состоит, как известно, в следующем. Определяются и приравниваются нулю частные производные функции по всем независимым переменным; в результате получается Ф уравнений, совместное решение которых дает искомое положение максимума. Этот метод чрезвычайно громоздок при большом Ф, а, кроме того, часто неосуществим по той причине, что аналитический вывод уравнений, определяющих точку оптимума, невозможен. Другой причиной непригодности классического метода является наличие технологических пределов варьирования независимых переменных. [26]
Классический метод поиска максимума функции Ф переменных состоит, как известно, в следующем. Определяются и приравниваются нулю частные производные функции по всем независимым переменным; в результате получается Ф уравнений, совместное решение которых дает искомое положение максимума. Этот метод, хотя и сам по себе чрезвычайно громоздок ( при большом Ф), неосуществим еще и по той причине, что аналитический вывод уравнений, определяющих точку оптимума, большей частью просто невозможен. Другой причиной непригодности классического метода является наличие технологических пределов варьирования независимых переменных. [27]
Применительно к поиску обычного максимума функции F ( х) при условиях Ф - ( х) 0 теорема ХХХГ означает следующее. [28]
Поэтому при поиске максимума следует учитывать одновременные изменения v4 переменных. [29]
Часто при поиске максимума статической характеристики переменные xv должны удовлетворять добавочным ограничениям или связям. [30]