Cтраница 1
Решение задачи большой размерности требует значительных упрощений, существенно искажающих реальные процессы в системе. В результате этого централизованная система, параметры которой определены на упрощенной модели, может оказаться хуже децентрализованной системы, элементы которой определены с более полным учетом сложности реальных процессов. [1]
При решении задач большой размерности матрицу L-1, как правило, не вычисляют, а хранят в памяти ЭВМ полный набор матриц М - - элементарных множителей ее мультипликативного представления. [2]
При решении задач большой размерности, как правило, приходится иметь дело с матрицами, для работы с которыми характерна следующая особенность: вычисления имеют регулярный характер, одна и та же последовательность действий выполняется многократно над частью или всеми строками или столбцами матрицы. [3]
При решении задач ЛППК большой размерности установлено, что линейные модели с переменными коэффициентами, ориентированные по принципу генерации столбцов, имеют достаточную гибкость в целях системного анализа и обеспечивают высокую вычислительную эффективность. Проводить эту работу необходимо с учетом специфики производства, а также наличия на предприятии технических средств ( аппаратуры, вычислительной техники) для передачи, хранения и обработки информации. Разумеется, к проведению этой работы должны быть привлечены практически все службы предприятия и, в первую очередь, такие, как. [4]
Преодолеть трудности решения задач большой размерности, т.к. решаются последовательно несколько раз задачи меньшей размерности. [5]
ЭВМ справляются с решением задач большой размерности. [6]
Предлагается модель вычислительного процесса для решения задачи большой размерности, с применением комбинаторных методов, которая позволяет выделить некоторые из параметров, характерных для такой задачи. Все точки из множества G G0 отбракованы по каким-либо правилам отсева. Обозначим через s0 время, необходимое для вычисления одного значения f ( x), через 8г среднее время реализации отсева одного варианта ( точки) х е G G0; T ( G0), T ( G G0) и T ( G) - времена для вычисления всех значений f ( x), х G0, для реализации отсева всех х е G G0 и полного перебора соответственно. [7]
Одним из методов преодоления сложности решения задач большой размерности является их декомпозиция. Декомпозицией называют разбиение исходной задачи большой размерности на совокупность взаимосвязанных задач меньшей размерности, решение которых с заданной степенью точности соответствует решению исходной задачи. Применительно к сложной системе управления декомпозиция заключается в разбиении сложного объекта управления на подсистемы и в организации в каждой из них подсистемы управления. Совокупность подсистем управления и способ их взаимосвязи образуют структуру системы управления. [8]
В условиях функционирования АСУП при решении задач большой размерности приходится пользоваться внешней памятью ЭВМ, что резко увеличивает время их решения. [9]
Рассмотрим приближенный алгоритм, разработанный для решения задачи большой размерности. [10]
Итерационные методы применяют главным образом для решения задач большой размерности, когда использование прямых методов невозможно из-за ограничений доступной оперативной памяти ЭВМ или из-за необходимости выполнения чрезмерно большого числа арифметических операций. [11]
Раздел IV содержит изложение некоторых подходов к решению задач большой размерности. Вводится определение задачи большой размерности как задачи, которая не может быть решена при заданных вычислительных ресурсах на конкретных компьютерных средствах с использованием математического, алгоритмического и другого обеспечения. Из этого определения следует, что задача большой размерности не всегда может быть охарактеризована лишь параметрами, определяющими ее размерность. Известны примеры задач с большими значениями этих параметров, которые легко решаются с применением сравнительно небольших вычислительных ресурсов. [12]
Однако такой алгоритм оперативного управления связан с решением задач большой размерности и практическое применение его оказывается затруднительным. Поэтому для прикладных работ предлагается следующий алгоритм [63]: на базе модели оперативного управления решается задача для каждого этапа, входящего в планируемый период. Общее значение оптимизируемого функционала за весь период планирования получается суммированием результатов по этапам оперативного управления. [13]
Использование декомпозиции и эквивалентирования не только обеспечивает возможность решения задач большой размерности и уменьшает время решения, но часто позволяет свести решение задачи к другой ( другим) - либо более простой, либо с известной ( в отличие от исходной) математической формулировкой. [14]
Необходимость агрегирования информации обусловлена также вычислительными трудностями при решении задач большой размерности, так как большинство экономико-математических оптимизационных моделей могут быть реализованы с определенными ограничениями количества переменных даже при использовании современных больших ЭВМ. [15]