Cтраница 1
Применение динамического программирования и принципа максимума к решению задачи А при выполнении всех четырех условий общности приводит к необходимости одновременно решать задачу оптимизации функции Гамильтона - Понтрягина Н и решать некоторую неклассическую краевую задачу. [1]
Применение динамического программирования к задачам упорядочения, Кибернетический сборник, изд - iBO Мир, ( 1964, вып. [2]
Применение динамического программирования для решения рассматриваемой задачи управления особенно полезно, так как позвол-яет получить ответ в численном виде. [3]
Применение динамического программирования позволяет свести задачу оптимизации к решению задач Коши для обыкновенных дифференциальных уравнений. При этом наиболее трудной задачей оказывается задача Коши для матричного уравнения Риккати. Сложность ситуации здесь определяется тем, что если вектор х в уравнении (3.1) имеет размерность п, то уравнение Риккати (3.11) относительно матрицы K ( i) представляет собой систему из п2 нелинейных дифференциальных уравнение относительно элементов этой матрицы. [4]
Рассмотрим применение динамического программирования для решения этой задачи. [5]
Рассмотрим применение динамического программирования для решения задачи оптимального управления. [6]
В случае применения прямого динамического программирования принцип оптимальности формулируется следующим образом. [7]
Очевидно, что применение динамического программирования позволяет привести процесс к желаемому конечному состоянию значительно быстрей, чем при обычном переходном процессе. [8]
Задача решается с применением динамического программирования, когда оптимальный профиль трубопровода определяется в результате многошагового процесса дискретного детерминированного характера. [9]
Таким образом, с применением динамического программирования резко сокращается число рассматриваемых вариантов развития ТЭЦ для выбора оптимального. [10]
Последняя, девятая глава посвящена применению динамического программирования для оптимизации стохастических процессов, модели которых формулируются на основе статистических вероятностных закономерностей. В этих случаях максимизируется математическое ожидание целевой функции ( дохода), определяемой с помощью рекуррентного соотношения между N - и ( N - 1) - й стадиями. Значительный интерес представляет проведенное автором с большой наглядностью и методичностью сопоставление детерминированных и стохастических процессов. Для современных химических процессов и больших химических систем ( цех, завод) все более характерным становится замена однозначного детерминизма вероятностными связями между событиями. От изучения простых систем и единичных явлений переходят к изучению сложных систем и массовых явлений, когда важен уже не результат отдельного события, а общий эффект основной массы событий. Венцом практической реализации и управления стохастическими процессами являются адаптивные, или самоорганизующиеся, модели, основанные на стохастической природе явлений. [11]
Задачи управления запасами открывают широкие возможности для применения динамического программирования. Некоторые шаги в этом направлении уже сделаны, но еще предстоит большая работа. [12]
Важная особенность этой задачи, с точки зрения применения динамического программирования, состоит в следующем. Это позволяет нам просматривать вершины по шагам, рассматривая на t - м шаге только те вершины, которые удалены от v на i дуг. [13]
Вообще следует заметить, что ограничение величины р - основное препятствие для тривиального применения динамического программирования при численном решении многоступенчатых процессов. [14]
Поскольку предположение о существовании частных производных от 3 справедливо далеко не всегда, область применения динамического программирования для оптимизации непрерывных систем значительно уже области применения принципа максимума. [15]