Алгоритм - поиск - решение
Cтраница 2
В аналитических исследованиях обычно рассматривают классы систем, содержащие интересные для практики множества систем уравнений, и соответствующие им последовательности алгоритмов поиска решений. [16]
 |
Недостающие начальные значения dM ( Q / dr задачи, при ( 5.| Недостающие начальные значения dM ( Q / di задачи,. [17] |
Найдем в качестве иллюстрации решения для четырех значений В, а именно для 6 0.35, 0.85, 1.1, 1.6. Алгоритм поиска решений состоит из следующих шагов. [18]
В качестве иллюстрации используем описанный в этой главе метод для решения граничной задачи (2.36), (2.38) при изменении параметра нагрузки i от 0 до 1.5. Алгоритм поиска решений состоит из следующих шагов. [19]
В работах 31, 32 ] рассматривается ряд процедур, с помощью которых выявляются соответствия различных типов и наиболее выгодная последовательность их применения, обеспечивающая минимизацию граф-схемы алгоритма поиска решения. [20]
Из большого числа методов алгоритмизации всевозможных задач, встречающихся при машиностроительном проектировании, будут рассмотрены методы алгоритмизации поиска решений и выбора элементов конструкций, методы алгоритмизации синтеза самих алгоритмов поиска решений и методы алгоритмизации важнейших геометрических задач. [21]
На рис. 52 представлены три возможных варианта графического изображения соответствий. Процесс синтеза граф-схем алгоритма поиска решения из множества возможных решений может быть представлен как процесс последовательного разбиения этого множества. [22]
Какой схеме мы в нем следовали, типична ли она для алгоритмов поиска решения. [23]
Это существенно затрудняет применение поисковых методов оптимизации для получения приближенных решений задачи. Неопределенность t приводит к неопределенности т, а следовательно, и к неопределенности числа параметров оптимизации, что резко затрудняет конструирование алгоритмов поиска решений. [24]
Переход к подобного рода использованию ЭВМ уже сейчас достаточно хорошо подготовлен. В составе математического обеспечения любой машины имеются пакеты программ и алгоритмов решения большого числа прикладных задач, избавляющие человека от необходимости изобретать и формулировать алгоритм поиска решения. Человеку достаточно знать состав пакета, выбрать нужную подпрограмму и по определенным правилам записать обращение к ней. Иными словами, от человека требуется в этом случае поставить задачу. [25]
Это существенно затрудняет применение поисковых методов оптимизации для получения приближенных решений задачи. Аппроксимируя управляющие функции кусочно-постоянными функциями, приходим к определению t через т шагов величиной АЛ Неопределенность / приводит к неопределенности т, а следовательно, и к неопределенности числа параметров оптимизации, что резко затрудняет конструирование алгоритмов поиска решений. [26]
В ходе дальнейшего рассмотрения будет введен еще ряд представлений функций предпочтения элементов и соответствующих им условий согласованного планирования, а также получены результаты исследования механизмов функционирования с такими законами планирования. При этом мы будем предполагать, что решение рассматриваемых задач согласованного планирования всегда существует, оставляя без рассмотрения условия выполнения этого предположения. Также не будут специально рассматриваться алгоритмы поиска решений задач согласованного планирования. [27]
Для этого достаточно представить i; в виде последовательной композиции трех программ: программы перевода из десятичной системы в унарную, программы 31, программы перевода из унарной системы в десятичную, ( Здесь напрашивается сравнение с электронными вычислительными машинами, работающими в двоичной системе счисления; в них имеется устройство, или программа, для пераработки исходных данных из десятичной системы в двоичную, а также устройство, или программа, для перевода окончательной программы опять в десятичную систему. Полезно заметить, что хотя мы намерены уделять главное внимание вычислению числовых функций, тем не менее это не ограничивает по существу природы алгоритмических проблем, решаемых на машинах Тьюринга. Поскольку такое же замечание можно сделать и относительно слова, изображающего результирующие данные, то ясно, что алгоритм поиска решения задачи можно интерпретировать как алгоритм вычисления значения числовой функции по заданному значению ее аргумента. Подобная арифметическая интерпретация ( или короче - арифметизация) часто применяется в математической логике и теории алгоритмов; мы с ней еще встретимся в данном параграфе. [28]
В 15 - й главе рассматриваются вопросы, связанные с оптимизацией портфеля активов. Рассказано о том, что такое эффективная диверсификация и как общий риск портфеля, составленного из произвольного количества активов, можно разделить на несистематический ( диверсифицируемый) риск и рыночный ( не диверсифицируемый) риск. Поставлена задача по оптимизации портфеля с учетом ограничений на состав и веса активов в портфеле ( лимитов), и приведен алгоритм поиска решений этой задачи методом Монте-Карло. [29]
В этой главе рассматриваются вопросы, связанные с оптимизацией портфеля активов. Рассказано о том, что такое эффективная диверсификация и как общий риск портфеля, составленного из произвольного количества активов, можно разделить на несистематический ( диверсифицируемый) риск и рыночный ( недиверсифицируемый) риск. Дано понятие границы эффективности на примере портфеля из двух активов и приведены формулы, которые позволяют выбрать на границе эффективности портфель с минимальным ожидаемым риском и портфель с максимальным отношением ожидаемого дохода к ожидаемому риску. Поставлена задача по оптимизации портфеля из произвольного количества активов с учетом ограничений на состав и веса активов в портфеле ( лимитов), и приведен алгоритм поиска решений этой задачи методом Монте-Карло. [30]
Страницы: 1 2 3