Многошаговый процесс

Cтраница 3

Условие задачи можно переписать, считая правые части переменными, на которые наложены ограничения вида O Uj Uj, что соответствует 0 р Р -, где Р - и Uj - максимальные значения депрессии / - и скважины или соответствующего ей напряжения. Специфика данной задачи позволяет организовать многошаговый процесс решения ее на аналоговой модели, близкий к симплекс-методу, широко используемому при решении на ЭВМ. [31]

В качестве примера такой системы рассмотрим многошаговый процесс, который характеризуется нелинейным уравнением состояния и нелинейным уравнением наблюдения, причем как на параметры состояния, так и на результаты измерений аддитивно накладываются чисто случайные шумы. [32]

Рассмотрена задача оптимального распределения ресурсов по объектам, когда строительство ведется одной, двумя и более очередями. Процесс строительства рассматривается при этом как многошаговый процесс. С каждым шагом сопоставляется вектор выполнения работы и с первым связывается таблица распределения трудовых ресурсов, показывающая распределение ограниченных трудовых ресурсов по строящимся объектам для всех шагов. [33]

IX посвящена проблемам оптимального поиска. Задача поиска корня или экстремума функции рассматривается здесь как динамический многошаговый процесс. На каждом шаге поиска одна сторона ( вычислитель) выбирает значение аргумента для подсчета функции, а другая сторона ( природа) распоряжается значением функции в выбранной точке. Заранее известно лишь, что функция принадлежит к заданному классу, и ее значение может быть точно или приближенно вычислено в любой точке ее области определения. Целью вычислителя является определение экстремума или корня функции с наибольшей точностью при заданном числе обращений к вычисляемой функции. Таким образом, задача поиска трактуется как динамическая игра с дискретным временем и последовательными ходами противников. Первые результаты по оптимальному поиску экстремума в такой постановке были получены Дж. IX построены оптимальные алгоритмы поиска минимума для унимодальных функций, удовлетворяющих условиям Липшица, и для выпуклых функций. Здесь дан также оптимальный алгоритм поиска корня монотонных функций как при точном, так и при приближенном вычислении значений функции. Для решения поставленной задачи используется метод динамического программирования. [34]

Блок-схема алгоритма проектирования индивидуального технологического маршрута. [35]

Например, оптимизация плана обработки поверхности представляет задачу структурного синтеза, когда выбор варианта плана происходит во множестве с большим, но конечным количеством известных вариантов. Для поиска оптимального варианта используют алгоритмы дискретного программирования, находят условия, которым должен удовлетворять оптимальный многошаговый процесс принятия решений. Подобный анализ называют динамическим программированием. [36]

Рассмотрев примерную схему координации подзадач подсистемы управления составом агрегатов, более подробно остановимся на задаче оптимального планирования состава агрегатов и распределения активной мощности, [ см. гл. Для решения будем использовать наиболее часто употребимый метод динамического программирования, применение которого вполне допустимо, так как решение рассматриваемой задачи представляет собой многошаговый процесс. В общем виде оптимизационная модель динамического программирования представляется двумя элементами: для так называемых прямого и обратного хода. Алгоритм прямого хода предназначен для определения оптимальных точек включения агрегатов и построения оптимальной эквивалентной расходной характеристики ГЭС при постоянном напоре. Алгоритм обратного хода осуществляет выбор нагрузок агрегатов по построенной эквивалентной характеристике для каждой ступени данного графика нагрузки ГЭС. [37]

Используя метод динамического программирования, кратко рассмотренный в гл. Для применения метода динамического программирования нужно выбрать такое расположение параметров а и р в исходной системе, чтобы при выбранном критерии определение оптимальных значений можно было рассматривать как многошаговый процесс решения. [38]

Эта проблема усиливается в связи с тем, что синхронно-реактивный двигатель отличается сложностью динамики, возможностью выхода на неноминальные режимы работы, высокими пусковыми токами и другими особенностями, характерными для двигателей переменного и постоянного тока. Все указанные особенности возможно рассматривать на основе численно-аналитических подходов с применением компьютерного проектирования электродвигателя и с учетом его взаимодействия с рабочим механизмом. Данное проектирование представляет собой непрерывный многошаговый процесс, в начале которого лежит выбор геометрических размеров и материалов конструкции двигателя, а завершается обеспечением требований по работе на динамических и рабочих режимах действия рабочего механизма. [39]

Для реальных систем возможно большое разнообразие программ поиска неисправностей, требуется большой объем исходной информации о состоянии объектов контроля и сложная логическая обработка результатов контроля. Поэтому разработаны приближенные способы построения оптимальных программ поиска неисправностей. Эти программы в основном представляют собой многошаговый процесс поиска с выбором на каждом шаге лучшего варианта по экстремуму заданной функции предпочтения. [40]

Круг задач оптимизации, решение которых возможно методом динамического программирования, определяется применимостью к ним так называемого принципа оптимальности [46]: Оптимальное поведение обладает тем свойством, что, каковы бы ни были первоначальное состояние и решение в начальный момент, последующие решения должны составлять оптимальное поведение относительно состояния, получающегося в результате первого решения. Из этого принципа следует основная идея метода динамического программирования: развернуть решение задачи в многошаговый процесс с оптимизацией всех возможных исходов каждого предыдущего шага, чтобы затем можно было выбрать искомое решение, оптимальное с точки зрения задачи в целом. [41]

Заметим, что реализация возможности организации многошагового задания позволяет пользователю для решения конкретной задачи размещения использовать не обязательно один, а сразу несколько алгоритмов из числа имеющихся в пакете и, разумеется, пригодных для ее решения. Последнее может представлять интерес тогда, когда применяемые методы решения задачи дают возможность находить субоптимальное решение. В этом случае с целью получения решения задачи, наиболее близкого к глобальному, и может быть эффективно использован многошаговый процесс решения задачи без повторных вводов необходимых данных. [42]

Определение координат точек в направлении градиента. [43]

В случае поиска оптимума в - мерном пространстве поступают аналогично предыдущему, только обобщая на k факторов. Последнее возможно благодаря тому, что все эффекты уравнения регрессии независимы друг от друга. В данном случае важным является лишь соотношение произведений коэффициентов на соответствующие интервалы. Их абсолютные величины могут все одновременно увеличиваться или уменьшаться в одинаковое число раз. При этом получаются точки, лежащие на том же градиенте, но с другим шагом. Движение по градиенту - это многошаговый процесс, который заключается в том, что к нулевому уровню при крутом восхождении последовательно алгебраически прибавляют величины, пропорциональные составляющим градиента. При определении минимума функции последовательно вычитают эти величины из нулевого уровня. [44]

Страницы: 1 2 3