Максимизируемая функция

Cтраница 1

Максимизируемые функции не являются квадратичными, однако если в окрестности точки максимума они могут быть аппроксимированы квадратичными, то метод поиска максимума по сопряженным направлениям обладает хорошей сходимостью. [1]

Максимизируемая функция Х ( Т) является функцией m Ы переменных и рассматриваемая оптимальная задача является задачей максимизации специального вида функции конечного числа переменных. Для нахождения максимума функции конечного числа переменных известен ряд методов, требующих вычисления градиента максимизируемой - функции на каждом шаге или периодически через несколько шагов. [2]

Так как максимизируемая функция - вогнутая, выполнение этого равенства есть достаточное условие максимума. [3]

В качестве максимизируемой функции х принята степень контактирования на выходе из аппарата; независимыми переменными являются расходы газа j / ( t) по газоходам контактного узла. [4]

Тогда производная максимизируемой функции Ну по направлениям координатных осей будет отрицательной, так как ее знак совпадает со знаком проекции вектора е на оси координат. [5]

Траектория поиска максимума по методу наискорейшего подъема ( а и по градиенту с уточнением шага ( б. [6]

В том случае, когда линии уровня максимизируемой функции двух переменных представляют собой окружности, ортогональные направления обладают замечательным свойством: если поиск максимума ведется по ортогональным направлениям, он приводит к максимуму за два шага. [7]

В практических задачах не всегда известно, является лп максимизируемая функция вогнутой, а область определения - выпуклой. [8]

Максимизация функции векторного аргумента. [9]

Несколько иная форма задания исследуемой функции используется на рис. 5.53. Здесь максимизируемая функция представлена как функция векторного аргумента. Приведены также два сечения поверхности уровней через точку экстремума. Начальное приближение введено нулевым вектором, для задания которого его последнему элементу присваивается нулевое значение. [10]

А [ yV J ] О, то Х0, и максимизируемая функция строго возрастает. [11]

Метод оценки по системе баллов. [12]

Среди оптимизационных задач в теории принятия решений наиболее известны задачи линейного программирования, в которых максимизируемая функция f ( x) является линейной, а ограничения А задаются линейными неравенствами. [13]

Если для нового списка d 0, то он определяет допустимое решение; для этого решения вычисляется максимизируемая функция и сравнением с d определяется, фиксировать ли новое допустимое решение ( и менять С) или нет. [14]

Возможно для нового списка будет d 0, тогда список определяет допустимое решение; для этого решения вычисляется максимизируемая функция и сравнением с текущим значением f определяется, фиксировать ли новое допустимое решение ( и менять f) или нет. [15]

Страницы: 1 2