Алгоритм - поиск - решение
Cтраница 1
Алгоритм поиска решений состоит из следующих шагов. [1]
 |
Функция С ( г ( 012, . [2] |
Алгоритм поиска решений задачи для заданной пары величин Р и N в некотором интервале значений параметра k состоит из следующих шагов. [3]
Реализация алгоритмов поиска решений осуществляется итеративными человеко-машинными процедурами. [4]
Разработка алгоритмов поиска решений ЗПО представляет собой актуальную проблему, характеризующуюся значительной спецификой и сложностью. Один из эффективно реализуемых путей связан здесь с применением численных методов недифференцируемой оптимизации. [5]
Общая схема алгоритма поиска решения, обеспечивающего выполнение критериев для центра и элементов системы, совпадает с вышеизложенной. [6]
За основу алгоритма поиска решения берется нечеткий метод ветвей и границ, рассмотренный в разделе 12.3. А для решения задачи выбора вариантов проектов в постановке с одним экспертом. [7]
При описании алгоритмов поиска решений и при практическом пользовании ими удобно представлять процесс поиска в виде дерева такого, например, как показанное на рис. 37 наверху слева. Корневая вершина дерева ( на рисунке вершина О) отвечает исходным условиям задачи, остальные вершины - отдельным стадиЩл ее решения. Соединяющие вершины линии - ветви дерева - отражают переходы от одних стадий регпенйя к другим. Каждому переходу может быть приписана определенная стоимость. Стоимость может исчисляться в различных величинах. Например, это может быть время, затрачиваемое на выполнение соответствующих операций. [8]
Для таких задач отсутствуют строгие алгоритмы поиска решения с длиной, пропорциональной некоторой степени от полного числа N имеющихся элементов. В результате длительность процесса решения экспоненциально быстро растет с увеличением TV и никакая сколь угодно мощная ЭВМ не в состоянии его осуществить. [9]
Имитационные модели представляют собой запись алгоритма поиска решения методом численно ] наиболее реальный путь внедрения математических методов и ЭВМ непосредственно в работу разработку управленческих решений. [10]
Вычислительная мощность современных компьютеров все-таки недостаточна для того, чтобы использовать алгоритмы поиска решений даже с помощью направленного поиска с применением оценочной функции, не говоря уже о методике слепого перебора возможных состояний. Пространство состояний, в котором нужно вести поиск, при решении таких задач, как распознавание речи, выбор конфигурации компьютерной системы или планирование последовательности операций, настолько велико, что его невозможно проанализировать такими обобщенными методами за обозримый отрезок времени, если только не призвать на помощь знания, касающиеся конкретной предметной области. Можно показать, что многие из этих проблем изоморфны абстрактным задачам, которые заведомо относятся к классу необозримых в том смысле, что их сложность, а соответственно и потребность в вычислительных ресурсах, экспоненциально возрастает при линейном увеличении размерности задачи. [11]
В последнее время большое развитие получили как алгоритмы поиска максимума функций, так и алгоритмы поиска решений нелинейных уравнений, основанные на методе аппроксимации исходной задачи некоторой другой, решение которой найти достаточно просто. По сравнению с обычными алгоритмами решения задач скорость сходимости этих алгоритмов более высока. Ускорение сходимости является следствием того очевидного факта, что качество аппроксимации ( если его оценивать по отклонению исходной задачи от аппроксимирующей в точке решения) улучшается при приближении к решению и соответственно относительная скорость увеличивается с каждым шагом итерации. [12]
Приводится набор целевых функций, используемых для экспериментального исследования ( тестирования) описываемого далее алгоритма поиска решения экстремальной задачи - глобального экстремума исследуемой функции. [13]
Поскольку практический интерес представляет прогиб в середине пролета распорки, а именно у ( 1 / 2), алгоритм поиска решений будет состоять из следующих шагов. [14]
Эффективность алгоритма поиска совпадающих путей на дереве ветвления во многом зависит от организации информации о задачах с древовидной структурой алгоритма поиска решения. [15]
Страницы: 1 2 3