Оптимизируемая система

Cтраница 3

Нетрудно заметить, что при работе по этому алгоритму самообучения и при выполнении условий, накладываемых на функцию F, вектор W стремится перестроиться в направлении, обратном градиенту функции качества оптимизируемой системы. Это значит, что шаги поиска будут в среднем направлены в сторону быстрейшего уменьшения функции качества. [31]

В системе ( 1 - 7), ( 1 - 8) также должны быть заданы все начальные условия yi0 и xio, ограничения переменных yt min yt yt max и допустимая область вариации параметров оптимизируемой системы. [32]

Полученное в результате оптимизации и проверенное на устойчивость ( при варьировании пехотной информации в наиболее вероятном диапазоне ее возможных изменений) решение но структуре системы теплоснабжения уточняется с точки зрения определения оптимальных параметров основных гепломагистралей и обеспечения необходимой эксплуатационной надежности оптимизируемой системы и, следовательно, целесообразности осуществления того или иного варианта ее развития. [33]

Рассмотренные выше алгоритмы самообучения не способны все время искать наилучшее направление изменения функции качества: однажды, обнаружив хорошее направление, они будут стараться фиксировать движение системы в этом направлении, не заботясь о возможности перестройки на другое, более удачное направление изменения регулируемых параметров оптимизируемой системы. [34]

Адаптивность плана, Алгоритмическая сеть, Аппроксимация производства то-техиологических возможностей, Внутризаводские задачи оптимального планирования, Горизонт планирования, Декомпозиционное тонирование, Задача планирования, Комплексная народнохозяйственная программа, Композиционное планирование, Корректировка плана, Маневренность плана, Марковский таи, Межотраслевой комплекс, Метапланирование, Надежность тана, Оптимальное планирование, Оптимальный тан, Оптимизируемая система, Отраслевые задачи оптимального планирования развития и размещения отраслей, Перспективное оптимальное тонирование, План, Планирование - программирование - финансирование, Планово-экономическая задача, Потенциально-оптимальный вариант ( план), Программирование ( экономическое), Программно-целевые методы тонирования и управления, Система комтекспого планирования, Согласование плановых решений, Целевая комплексная программа. [35]

Выражение ( 6 - 80) может использоваться как минимизируемый функционал в задаче синтеза в расширенном фазовом пространстве, где функции чувствительности играют роль обычных фазовых координат. При этом оптимизируемая система усложняется за счет учета моделей чувствительности. [36]

Астрономическое время t выступает как дополнительная фазовая координата. Важная особенность оптимизации - использование динамики оптимизируемой системы. [37]

Как правило, статическая характеристика объекта используется для выбора наивыгоднейшего режима его работы. В том случае, когда исследуемый объект является одним из элементов оптимизируемой системы и характеристику системы рассчитывают в дальнейшем по характеристикам ее элементов, статическую характеристику определяют для широкого диапазона изменения входных воздействий. [38]

Это значит, что векторы состоят из п действительных компонент и однозначно определяют оптимизируемую систему. Однако для многих важных механических систем проект не может быть описан столь просто. [39]

Значительный интерес представляет опыт разработки плана предприятия на основе матричного исчисления. С его помощью строят так называемые балансовые модели, характеризующие зависимость элементов, из которых складывается оптимизируемая система. Например, для бурового или нефтегазодобывающего предприятия с множеством взаимосвязей между цехами и производственными участками составляют балансы получения и расхода материалов, балансы трудовых затрат в виде матриц. [40]

Исследуется алгоритм непрерывной оптимизации, сущность которого заключается в использовании модели чувствительности, построенной в предположении стационарности оптимизируемой системы. Показано, что, хотя в данном случае сиг-палы на выходе модели чувствительности существенно отличаются от истинных функций чувствительности, схема оптимизации обеспечивает сходимость к оптимальным процессам за небольшой отрезок времени; сходимость наблюдается в широкой области начальных отклонений параметров, а также при непрерывном изменении параметров объекта. Исследована динамика непрерывной самонастраивающейся системы и разработана методика выбора настроечных коэффициентов в разомкнутом контуре самонастройки. [41]

Минимизация этой функции производится методом ветвей и границ. Задача составления расписания в наиболее общих случаях относится к числу трудно формализуемых, и обычно расписания составляют, исходя из особенностей конкретной оптимизируемой системы; известную трудность представляет также решение задач теории расписаний. По содержанию эти задачи относятся к классу комбинаторных, для которых существенное значение имеет размерность. Как правило, размерность ладач составления оптимальных расписаний настолько велика, что решать их простым перебором вариантов не представляется возможным даже на современных быстродействующих вычислительных машинах. Часто задачи составления расписаний сводятся к задачам целочисленного линейного программирования ( в том числе многоиндексного), для решения которых используются широко известные методы отсечения или ветвей и границ. Рассмотрим несколько примеров составления оптимальных расписаний. [42]

Следует подчеркнуть, что приближенные решения ( 57) получаются в континуальной форме и дополнительные практически трудно выполнимые аппроксимации при этом не требуются. Заметим также, что приближенные решения часто можно представить в вырожденном виде, что позволяет без дополнительных процедур перейти к непосредственной реализации структуры оптимизируемой системы. [43]

Для синтеза алгоритма АПО в указанных условиях особенно эффективно применение идеальной эталонной модели. Действительно, в случае применения обычной эталонной модели потребовалось бы, во-первых, измерение возмущающих воздействий, во-вторых, обеспечение в эталонной модели соответствующих точек их приложения для достижения адекватности условий функционирования оптимизируемой системы и эталонной модели. Идеальная же модель полностью снимает необходимость реализации перечисленных операций. В результате сокращаются затраты по реализации АПО. [44]

Граф переходов автомата с целесообразным поведением. [45]

Страницы: 1 2 3 4