Cтраница 3
Преимущество акселерантного оптимального алгоритма адаптации (3.41), (3.48) перед другими рекуррентными алгоритмами заключается в высокой быстроте сходимости и точности адаптации. Однако трудность вычислений на одном шаге этого алгоритма определяется необходимостью обращения матрицы вторых производных AT ф ( т0, to) ( при условии, что она не вырождена) и может оказаться чрезмерно высокой. В то же время локально оптимальные алгоритмы адаптации вида (3.41), (3.45) или (3.47), не требующие вычисления и обращения матрицы А ф ( т, f), существенно проще для вычисления. При этом они обеспечивают решение эстиматорных неравенств (4.1) через конечное число шагов. [31]
Об оптимальных алгоритмах минимизации функций некоторых классов. [32]
Итак, оптимальный алгоритм согласно равенству (9.4.34) сводится к половинному делению интервала локализации корня. [33]
Так как оптимальный алгоритм поиска даже для одношагового процесса оказался довольно сложным, то представляет интерес найти более простой алгоритм, близкий к оптимальному. [34]
Требуется построить оптимальный алгоритм различения сигнале приемником и оценить потенциальную помехоустойчивость оптимального когерентного приема. [35]
Необходимо выбрать оптимальный алгоритм тестирования, обеспечивающий минимум затрат времени Т0 при длительности Га каждой проверки Па. Случайный характер индивидуальных особенностей операторов и динамики их готовности, естественно, определяет применение статистических оценок эффективности используемых алгоритмов, например, среднего времени Та. Если известно только распределение Та, то по минимаксному критерию оптимальным следует считать алгоритм, минимизирующий максимально возможное время контроля. [36]
Требуется построить оптимальный алгоритм различения сигналов приемником и оценить потенциальную помехоустойчивость оптимального когерентного приема. [37]
Конечно-сходящиеся локально оптимальные алгоритмы решения целевых неравенств, возникающих в задачах синтеза адаптивных систем / / Иза. [38]
Проблему выбора оптимального алгоритма осложняют и другие факторы. Например, первый алгоритм может требовать больше памяти, чем установлено на компьютере. [39]
В теории оптимальных алгоритмов и аналитической сложности имеются два основных направления, впервые объединенные в данной монографии. Одно из них, изучающее по нашей терминологии общую информацию, берет начало в работах Кифера, Сарда и Никольского, написанных около 1950 г. Начало другому направлению, изучающему итеративную информацию, положил Трауб в 1961 г. Укажем лишь некоторые основные достижения для каждого из этих двух направлений. Более полные сведения по истории вопроса читатель может почерпнуть из аннотированной библиографии. [40]
Обычно реализация оптимального алгоритма, или оператора управления, может быть выполнена лишь приближенно, причем степень приближения и, следовательно, качество управления тем выше, чем сложнее технические средства, применяемые для реализации этого решения. Но в то же время чем сложнее система, тем из большего числа элементов она состоит, тем меньше ее надежность действия. Выход из этого противоречия обычно находится на основе инженерного опыта проектировщика. Однако, чем выше требования к точности и надежности, чем сложнее система, тем труднее быть уверенным в том, что таким образом может быть получен удовлетворительный результат. [41]
Но структура оптимальных алгоритмов Ф в такой степени определяется аналитической формой функции шш ( л: а) что адаптация системы, реализующей подобной алгоритм, практически невозможна. [42]
Рассматривается понятие сильно оптимальных алгоритмов. [43]
Задача синтеза оптимальных алгоритмов диагностирования сводится к определению такой последовательности выполнения проверок, при которой обеспечивался бы экстремум выбранного критерия оптимизации. Выбор критерия оптимизации зависит от требований, предъявляемых к СТД, и условий, в которых проводится диагностирование. [44]
Процесс поиска оптимального алгоритма диагностирования является многошаговым и для его осуществления может быть привлечен аппарат динамического программирования. [45]