Положение - оптимум
Cтраница 2
При анализе многих задач оптимизации для определения положения оптимума необходимо оценивать и уточнять границы. Для этой цели могут оказаться очень полезными некоторые классические неравенства. [16]
Целесооб разно производить по возможности предварительные оценки положения оптимума какой-либо конкретной задачи. Для этого необходимо рассмотреть исходные и - основные соотношения между переменными. Для сокращения размерности задачи часто исполь - зуется прием выделения наиболее существенных переменных. [17]
 |
Пара взаимных задач. [18] |
Вычитание константы с из целевой функции не изменяет положения оптимума. [19]
 |
Блок-схема алгоритма отыскания минимума функции F ( x перебором ее значений. [20] |
Метод последовательного перебора целесообразно применять для приближенного определения положения оптимума. [21]
Таким образом, число вычислений критерия оптимальности при определении положения оптимума методом сканирования возрастает в показательной зависимости от размерности решаемой задачи. Поэтому эффективное применение данного метода в основном ограничивается задачами невысокой размерности п 2 - 3, если используется простейший алгоритм поиска, рассмотренный выше, для отыскания оптимума с невысокой точностью. [22]
Таким образом, число вычислений критерия оптимальности при определении положения оптимума методом сканирования возрастает в показательной зависимости от размерности решаемой задачи. Поэтому эффективное применение данного метода в основном ограничивается задачами невысокой размерности п - - 2 - 3, если используется простейший алгоритм поиска, рассмотренный выше, для отыскания оптимума с невысокой точностью. [23]
 |
К определению множества Парето. [24] |
Это хорошо видно на рис. 22.2.2, где А - положение оптимума по первому ( и только первому) критерию. Если же ввести в рассмотрение второй критерий ( д2), то оптимальная точка ( пусть она расположена в С) будет значительно отличаться от оптимумов А и В. Таким образом, свобода, которую представляет множество Парето, куплена ценой значительного уклонения от локальных оптимумов. [25]
С другой стороны, при слишком малом а точность определения положения оптимума может оказаться недостаточной. Поэтому следует несколько раз повторить решение оптимальной задачи с обобщенным критерием при различных значениях а, увеличивая а при каждой следующей попытке, например, в 2 раза. [26]
 |
Порядок действий в рамках итеративной схемы при оптимизации. хроматографической селективности. [27] |
Далее этой моделью пользуются на стадии вычислений с целью предсказания положения оптимума. [28]
С другой стороны, при слишком малом а точность определения положения оптимума может оказаться недостаточной. Поэтому следует несколько раз повторить решение оптимальной задачи с обобщенным критерием при различных значениях а, увеличивая а при каждой следующей попытке, например, в 2 раза. Поиск наилучшего значения а может начинаться при достаточно малом значении а, при котором обеспечивается высокая скорость сходимости. После того как оптимум найден, значение а увеличивается и из полученной точки поиск продолжается. Поиск оптимума прекращается, если дальнейшее возрастание а не приводит к существенному уточнению положения оптимума. [29]
 |
Зависимость результата действия экологического фактора от его интенсивности. [30] |
Страницы: 1 2 3 4