Поиск - экстремум - целевая функция
Cтраница 2
В зависимости от особенностей поверхности отклика и наличия ограничений в процессе поиска экстремума целевой функции применяют различные методы: безусловной и условной; локальной и глобальной оптимизации. [16]
Оптимизация - итеративный процесс улучшения решения задачи, сформулированной в постановке поиска экстремума целевой функции. [17]
Обычно при решении оптимальной задачи некоторые внутренние параметры известны и при поиске экстремума целевой функции остаются постоянными. Те внутренние параметры, которые подлежат расчету и, следовательно, при поиске изменяются, называются управляемыми параметрами. [18]
Правильная формулировка ограничений позволяет сразу задать область работоспособности, в которой возможен поиск экстремума целевой функции и, таким образом, свести задачу к стандартной задаче нелинейного программирования. Если технические требования на схему заданы, то параметрические ограничения на внутренние параметры схемы X и функциональные ограничения на выходные параметры схемы Y можно считать заданными. [19]
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. [20]
Другим не менее важным преимуществом максимин-ного критерия является возможность разработки методов и алгоритмов эффективного поиска экстремума целевой функции. Выявление и использование этой возможности составляет сущестзенную особенность развитого в книге подхода к решению экстремальных задач. [21]
Сравнение отмеченной стратегии поиска цели некоторыми живыми организмами в природе с описанной выше стратегией поиска экстремума целевой функции по разработанному алгоритму подтверждает их существенную аналогию. [22]
Наряду с названными методами в программах, ориентированных на выполнение только статического анализа, находят применение методы минимизации. В этих программах осуществляется поиск экстремума целевой функции, сформулированной таким образом, что она принимает минимальное значение при выполнении в ММС условий статического состояния схемы. [23]
Данная глава содержит обзор основных методов нелинейного программирования. Дается их сравнительная оценка с позиций эффективности поиска экстремума целевой функции достаточно общего вида. Особый интерес представляет поиск максимума минимального запаса работоспособности электронных схем, поэтому вопросы решения максиминных задач будут рассмотрены в двух последующих главах. [24]
Эти расчеты отличаются видом целевой функции, числом и составом независимых переменных, числом и составом ограничений. Вне зависимости от вида оптимизирующих расчетов их структуры бключают в себя две главные составляющие: структуру поиска экстремума целевой функции и входящую в нее структуру расчета целевой функции БС-П при фиксированном наборе независимых переменных. [25]
Требования к КС и степень их важности определяются конкретным вариантом аппаратуры, к которой эти требования предъявляются. Наиболее полным и строгим способом сравнения качества любых многопараметрических объектов, к которым относятся и системы ЛЭ, является поиск экстремума целевой функции, или критерия качества, сформированного на основе всех интересующих разработчика критериальных свойств. [26]
Набор нелинейных адаптивных элементов позволяет моделировать любое нелинейное преобразование и настраивать его на различные задачи автоматически путем изменения параметров в процессе обучения. Причем в последнее время наблюдается тенденция использовать для настройки не эмпирически найденные приемы ( типа правила Хебба, обратного распространения ошибки и т.п.), а универсальные и хорошо отработанные математические методы поиска экстремума целевой функции в пространстве параметров. Это касается и выбора целевой функции: переход от частных эмпирически найденных форм ( аналог энергии в сетях Хопфилда, суммарная квадратичная ошибка в методе обратного распространения) к более общим. [27]
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. [28]
В тех случаях, когда функцию цели нельзя выявить явными аналитическими зависимостями из-за сложности процесса, то приходится искать приближенное решение. Для этого случая успешно применяют некоторые методы нелинейного программирования. При поиске экстремума целевой функции в условиях неполного знания об объектах исследования применяют один из многочисленных методов, которые подразделяются на следующие группы: градиентные методы; безградиентные методы; методы случайного поиска и комбинированные методы, сочетающие некоторые достоинства отдельных методов из различных групп. [29]
Страницы: 1 2 3