Вычислительная проблема

Cтраница 2

Нашей целью является развитие некоторых положений, с точки зрения которых будут рассматриваться вычислительные проблемы, возникающие при решении уравнений в частных производных. [16]

Мы разрабатываем и реализуем алгоритмы, создавая иерархию абстрактных операций, которые помогают понять природу решаемых вычислительных проблем. При теоретическом изучении данный процесс, хотя он достаточно важен, может увести очень далеко от проблем реального мира. Такой подход иногда оставляет очень туманное различие между алгоритмом и его реализацией, но это лишь небольшая плата за возможность работать с конкретной реализацией и учиться на ней. [17]

В настоящее время наблюдается существенная диспропорция в уровне проработки метрологических вопросов, предшествующих вычислениям, и собственно вычислительных проблем. Вычислительные методы и математическое обеспечение разработаны сравнительно хорошо для широкого круга прикладных задач, включая измерительные. С другой стороны, чисто метрологические вопросы проработаны значительно меньше, хотя Они являются решающими; ошибки в их решении нельзя скорректировать на вычислительном этапе. [18]

Границы области пластического течения, найденные с применением условия текучести Мизеса для типа II. [19]

Выдвинутый Уэллсом в работе [23] CTOD-критерий хрупкого разрушения был развит благодаря поддержке Британского общества инженеров-сварщиков, однако связанные с этим критерием вычислительные проблемы и - сложности экспериментального определения раскрытия вершины трещины [24] препятствовали его широкому распространению. [20]

Практика показывает, что тенденция к большему использованию в численных расчетах языков С и C поддерживается программистами, малоискушенными в решении вычислительных проблем, поэтому полезно знать о сильных и слабых сторонах каждого из этих языков. [21]

Это общая схема квантовых вычислений была предложена впервые Дойчем [3], а затем с большим эффектом была использована в алгоритме Шора [2, 3] для эффективного решения чрезвычайно громоздкой вычислительной проблемы. На рис. 5 показана квантовая вычислительная структура, которую использовал Шор для решения задачи о разложении целого числа на простые сомножители. [22]

При решении жестких систем ОДУ с использованием этого класса методов исходная нелинейная система на каждом шаге интегрирования заменяется линейной, выписывается аналитическое решение этой системы, далее вычислительные проблемы связаны с наиболее эффективным способом вычисления матричной экспоненты. Большим преимуществом рассматриваемых методов перед остальными является то, что по матричной экспоненте, вычисляемой в процессе решения, удается оценить собственные значения якобиана системы и, следовательно, эффективно управлять выбором шага интегрирования. [23]

Эти наблюдения, естественно, приводят к постановке следующих трех вопросов, на которые должен быть дан ответ, если нам нужно иметь полностью удовлетворительное решение вычислительной проблемы, сформулированной в этом разделе. [24]

В большинстве курсов результаты работы по искусственному интеллекту, некоторым из которых теперь уже исполнилось пятнадцать лет, толкуются как второстепенный набор специальных приложений, хотя на самом деле они представляют одну из важнейших сторон эмпирического и теоретического исследования реальных вычислительных проблем. [25]

Перечисленные выше относительно простые приемы и методы решения оптимизационных задач большой размерности широко используются в АСУ Метрология при реализации модели планирования. Помимо преодоления вычислительных проблем, они позволяют дополнительно учесть ряд важных факторов, не нашедших отражения в модели. [26]

Будем сводить вычислительную проблему к численному интегрированию специально построенной системы дифференциальных уравнений, для которой множество решений вычислительной задачи является асимптотически устойчивым в целом или условно асимптотически устойчивым инвариантным множеством. Этот подход дает также возможность получения достаточных условий существования решения вычислительной задачи. [27]

Однако именно в силу своей большой общности машины Тьюринга не являются наилучшей формой для изучения всех аспектов цифровых вычислительных машин. Например, когда мы рассматриваем специальную вычислительную проблему, вообще говоря, трудно, а порой невозможно дать априорную оценку числа шагов, необходимого для получения решения. Эти ограничения делают машины подкласса намного слабее, чем наиболее общие машины Тьюринга. С другой стороны, в силу того, что эти ограничения дают возможность использовать некоторые дополнительные свойства машин Тьюринга, общие для всего подкласса, мы можем исследовать эти машины более основательно. [28]

Проведение вычислений согласно выбранному алгоритму является важнейшим этапом обработки данных, который и является обработкой в узком смысле. При этом на первый план выступают чисто вычислительные проблемы, особенно в сложных задачах обработки и при больших массивах данных. Однако особенно при измерениях высокой точности для эффективного выполнения вычислений необходим также большой объем предварительного метрологического анализа. Если пренебречь этим, то значительные затраты на получение экспериментальных данных и проведение вычислений могут быть напрасны. [29]

Во-первых, она иллюстрирует приложение понятия следа к проблеме определения минимального времени вычисления. Во-вторых, она дает специфический пример вычислительной проблемы, для которой можно получить достаточно близкие верхние и нижние границы времени. В-третьих, она дает некоторое представление о соотношении между следами, данной вычислительной схемой и производительностью этой схемы. Наконец, она дает информацию о соотношении скоростей одно - и двуленточ-ных машин, которая рассматривается ниже. [30]

Страницы: 1 2 3 4