Решение - задача - математическое программирование
Cтраница 2
Этот метод предназначен дли решения задач математического программирования непрерывного характера. Суть метода состоит в таком решении системы обыкновенных дифференциальных уравнений, описывающей состояние объекта управления, при котором допустимые решения выбираются на каждом шаге из условия максимизации некоторой вспомогательной функции. С некоторыми видоизменениями этот принцип применим и для решения дискретных задач. В этом случае его называют дискретным принципом максимума. Принцип максимума и динамическое программирование сводимы друг к другу, хотя и используют качественно разный подход. Принцип максимума основан на нахождении сразу всего оптимального пути между шагами с последующим его улучшением путем удовлетворения граничных условий. В настоящее время установлена связь динамического программирования и дискретного принципа максимума с задачами линейного, нелинейного и целочисленного программирования. [16]
Доказано, что мономодальность решения задачи математического программирования определяется характером функции f ( X) и областью ее задания. [17]
Более конструктивный подход к решению задач стохастического математического программирования представлен в работе [1.2], где разработан двухэтапный метод решения, состоящий из сложного и трудоемкого предварительного этапа и сравнительно простого этапа оперативного принятия решений. На первом этапе задача оптимизации решается как детерминированная, условия которой определяются значениями параметров стохастической задачи, и устанавливаются решающие правила для второго этапа. На втором этапе оперативного принятия решений учитываются характеристики случайной реализации параметров условий задачи и корректируются предварительно подготовленные решения первого этапа. Подобная схема отличается экономичностью по сравнению с массовым полным решением задач математического программирования для каждой реализации случайных параметров. [18]
Здесь рассматриваются также некоторые методы решения задач математического программирования, относящихся к динамическому и нелинейному программирова-ниям и другим неклассическим вариационным методам. [19]
В математическом обеспечении предусмотрена возможность решения задач математического программирования, математической статистики, теории массового обслуживания, линейной алгебры. [20]
Наиболее распространенными являются два метода решения задач нелинейного математического программирования без системы ограничений: методы наискорейшего и покоординатного спуска. [21]
Большой ролью критериев подобия в решении задач математического программирования и объясняется название метода - критериальное программирование. [22]
Другая возможность конструирования итеративных алгоритмов для решения задачи математического программирования базируется на использовании штрафных функционалов типа 5.18) и представлении области Q в виде множества решений вариационного неравенства (5.19) ( замечание 2 к лемме 5.6), Идея заключается в том, чтобы решать неравенство (5.19) каким-либо итеративным методом, основанным на принципе итеративной регуляризации. Если в качестве оператора М брать ( пусть это возможно по условиям соответствующих теорем) сам оператор F в (5.1), то итерации будут сходиться к решению основной задачи. [23]
Внимание многих специалистов привлечено к методам решения задач математического программирования, основанным на построении модифицированных функций Лагранжа. [24]
Со стохастическим программированием связано исследование устойчивости решения задач математического программирования по отношению к случайным возмущениям параметров условий задачи. Понятие устойчивости в стохастических задачах определяется по-разному в зависимости от того, является ли предметом изучения условный экстремум как случайная точка, оптимальный базис как набор векторов или оптимальное значение целевой функции как случайная величина. Различным аспектам стохастической устойчивости задач математического программирования посвящены работы Дж. [25]
Ниже рассматриваются наиболее распространенные релаксационные методы решения задач математического программирования, исследуются их сходимость и устойчивость. [26]
 |
Графический вариант решения модели -. / - в соответствии с выражением. 2 - в соответствии с выражением. [27] |
Известно, что в случае двух переменных решение задачи математического программирования можно провести не только аналитически ( например, используя симплекс-метод), но и графически. В нашем примере интерес представляет только целочисленное решение. [28]
В перечисленных ниже организациях разрабатываются прикладные программы решения задач математического программирования. [29]
Понятием градиентные методы объединено множество самостоятельных методов решения задач нелинейного математического программирования. Эти методы являются наиболее универсальными, пригодными для оптимизации широкого класса функций, одинаково применимыми для расчетов одиночных ГЭС, групп ГЭС, в том числе каскадов при учете динамических емкостей водохранилищ или запаздывания в добегании расходов воды между ступенями каскада. [30]
Страницы: 1 2 3 4