Cтраница 1
Использование принципа сложности во многом позволяет преодолеть перечисленные выше трудности. [1]
Использование принципа сложности позволяет установить не только технические характеристики реализующих их алгоритмов, но и предельную ошибку решения. [2]
При использовании принципа сложности функционал сложности N ( х) конструируют исходя из понятия сложности, стремления связать его с техническими характеристиками системы, в то время как при применении метода регуляризации регуля-ризующий функционал и ( х) выбирают на основе чисто математических соображений, приведенных выше. Поэтому последний s не учитывает не только технических, но и некоторых математических особенностей вариационных задач теории управления. Это и естественно, так как метод регуляризации был предложен для решения вычислительных задач вообще, а не специально задач автоматического управления. [3]
При использовании принципа сложности не возникает проблем доказательства теорем существования и единственности, что может быть связано со значительными трудностями. [4]
При использовании принципа сложности немаловажным является вопрос о методе проведения декомпозиции. Очевидно, что чем меньше время декомпозиции, тем меньше Т ( г), но тем меньше точность. [5]
Рассмотрены вопросы использования принципа сложности для синтеза многомерной линейной стационарной системы с конечной памятью. Введены различные функционалы сложности, позволяющие обеспечивать важные технические характеристики синтезируемой системы. Указан способ выбора неизвестных множителей при использовании принципа сложности, что важно для конкретных расчетов. Показано, что с помощью рассматриваемого подхода можно получать корректно поставленные краевые задачи для векторных интегро-дифференциальных уравнений или векторных интегральных уравнений второго рода. Обсуждены вопросы приближенного решения таких уравнений и рассмотрены конкретные алгоритмы. [6]
По физическому смыслу использование принципа сложности в задаче оптимального управления эквивалентно введению дополнительных ограничений на: а) уравнения связи объекта; б) области допустимых значений управляющих параметров; в) критерий цели управления. [7]
В качестве другого примера использования принципов сложности рассмотрим задачу синтеза нелинейного дискретного фильтра с конечной памятью, наилучшим образом преобразующего заданный стационарный случайный сигнал в желаемый, также стационарный. [8]
Приведенные задачи в стохастической постановке развиты в работах В.Ф. Бирюкова, Е.М. Воронова и А.П. Карпенко [7, 26, 27, 63 - 65] при использовании принципа сложности и фильтрации с учетом прототипа и ограничений координат, а также в работах А.П. Маслова [156] с учетом аддитивной помехи общего вида. [9]
F ( х), при необходимых предположениях в очевидном смысле адэкватны уравнениям и функционалам, возникающим при использовании принципа сложности. [10]
Решение проблем создания системно совместимых алгоритмов, целенаправленного выбора метода и алгоритма оптимизации, эффективного использования вычислительных ресурсов, осуществляемое за счет использования принципа сложности, иллюстрируется примерами решения нелинейных распределительных задач и задачи назначения. [11]
Рассмотрены вопросы использования принципа сложности для синтеза многомерной линейной стационарной системы с конечной памятью. Введены различные функционалы сложности, позволяющие обеспечивать важные технические характеристики синтезируемой системы. Указан способ выбора неизвестных множителей при использовании принципа сложности, что важно для конкретных расчетов. Показано, что с помощью рассматриваемого подхода можно получать корректно поставленные краевые задачи для векторных интегро-дифференциальных уравнений или векторных интегральных уравнений второго рода. Обсуждены вопросы приближенного решения таких уравнений и рассмотрены конкретные алгоритмы. [12]
Каждая из сопряженных задач характеризуется некоторым значением W, г 1, т, совокупность которых составляет шкалу сложности. При этом величина W - определяет вычислительные затраты на решение задачи вида (3.12) с главным показателем У. Выбирая по шкале минимальную по сложности задачу, получаем наиболее экономичную вычислительную процедуру построения множества Парето. В [203] отмечается также, что использование принципа сложности не ограничивается только применением метода пороговой оптимизации, но может быть распространено и на другие известные подходы к векторной оптимизации. [13]