Кусочно-линейная аппроксимация

Нахождение оптимального варианта возможно для линейной зависимости или выпуклой функции 5,- 3-= =f(ti-j), которая методом кусочно-линейной аппроксимации сводится к решению линейной задачи.  [c.117]

Возможности применения моделей с переменными технологическими коэффициентами при решении задач планирования и управления комплексами непрерывного действия освещены также в работах [21—25]. В частности, в [22] рассматривается нелинейная задача статической оптимизации непрерывного производства. Предлагаются кусочно-линейная аппроксимация переменных коэффициентов и замена исходной нелинейной задачи некоторой приближенной задачей, для решения которой могут быть использованы методы линейного программирования.  [c.16]


Кусочно-линейная аппроксимация 23  [c.471]

Машина МН-14 (рис. 3.3) является типичным образцом современной аналоговой вычислительной техники высокого класса. Состав математических блоков позволяет решать обыкновенные дифференциальные уравнения до 20-го порядка, а также широкий класс других задач, к числу которых можно отнести умножение переменной на постоянный коэффициент больше или меньше единицы суммирование переменных интегрирование по времени дифференцирование воспроизведение переменных коэффициентов методом кусочно-постоянной аппроксимации перемножение двух переменных умножение или деление шести. переменных на одну общую переменную воспроизведение нелинейных функций от одной переменной методом кусочно-линейной аппроксимации воспроизведение специальных нелинейных функций воспроизведение тригонометрических функций.  [c.128]

Количество одновременно выполняемых операций колеблется в пределах от 120 (умножение переменной на постоянный коэффициент больше единицы) до 2 (воспроизведение специальных функций). Погрешность вычислений 0—0,8%. Максимальное значение погрешностей приходится на воспроизведение тригонометрических функций и на воспроизведение нелинейных функций методом кусочно-линейной аппроксимации (от 0,5 до 0,8%).  [c.130]

Алгоритмы, использующие методы кусочно-линейной аппроксимации  [c.69]

Для описания моделей используется различный математический аппарат методы субъективной вероятности, нечеткие множества, нейронные сети, кусочно-линейная аппроксимация, системы алгебраических и дифференциальных уравнений и т.д. Подобные модели являются средством уменьшения степени неопределенности при выборе возможных вариантов решений, генерируемых вычислительной системой. В качестве примеров, конечно, далеко не полных, рассмотрим неопределенность и связанную с ней субъективность, характерную для некоторых математических моделей.  [c.88]

Для описания таких моделей используется различный математический аппарат методы субъективной вероятности, нечеткие множества, нейронные сети, кусочно-линейная аппроксимация, марковские случайные процессы, методы математического программирования и  [c.168]

Согласование решений с помощью многокритериальных оценок. Наиболее известными среди них являются методы идеальной точки ранжирование по Парето функции (отношения) предпочтения ЛПР - согласование весов критериев и характеристик базовых шкал нахождением их центра тяжести кусочно-линейная аппроксимация функций предпочтения ЛПР метод X - коэффициентов. Подробно они рассмотрены в [5.8].  [c.169]

Рис. 2.19. Варианты кусочно-линейной аппроксимации функции принадлежности Рис. 2.19. Варианты кусочно-линейной аппроксимации функции принадлежности

В случае кусочно-линейной аппроксимации функций принадлежности, записанных в фигурной скобке, имеем  [c.67]

Особо следует отметить, что эта постановка может быть использована для построения кусочно-линейных аппроксимаций сложных зависимостей.  [c.62]

Особо следует отметить, что этот же метод может быть использован для построения кусочно-линейных аппроксимаций сложных зависимостей, в этом случае а, -линейная модель в i -м классе, а К(х,а,) - отклонение значения выходного параметра у в данной точке х от модельного значения [5], т.е. функционал (4) имеет вид  [c.64]

Предложенные методы обеспечивают генерацию огромного количества вариантов выполнения бизнес-процесса. При принятии решения по выбору одного или нескольких вариантов перед лицом, принимающим решения (ЛПР), стоят задачи оценки значимости отдельных составляющих ситуации и всей ситуации в целом анализа возможных решений, оценки их эффективности и последствий выбора решения, наилучшего с точки зрения ЛПР. Для их решения существует большое количество методов, основанных на формировании набора критериев и оценки их важности (метод анализа иерархий, метод нечетких множеств, метод Парето, метод кусочно-линейной аппроксимации и др.), методология предполагает применение любой их комбинации.  [c.232]

Точное значение" F0=l приближенный метод дал решение с F0 d,025. Ошибка в 2,5% состоит из двух частей. Первая часть — это ошибка аппроксимации, возникшая из-за сужения задачи на класс кусочно линейных функций х (t). Эта ошибка имеет порядок шага т сетки tn и может быть вычислена по указанному выше точному решению задачи в классе кусочно линейных х (t). При шаге сетки t=0,02 точное сеточное решение дает F0=l,0130 (для напрашивающейся аппроксимации F0=1,0133).  [c.293]

Рис. 6.13. Истинная кусочно-линейная регрессия (—) и ее полиномиальная аппроксимация, полученная с помощью алгоритма структурной минимизации критерия адекватности Рис. 6.13. Истинная кусочно-<a href="/info/5324">линейная регрессия</a> (—) и ее полиномиальная аппроксимация, полученная с помощью алгоритма структурной минимизации критерия адекватности
АППРОКСИМАЦИЯ [approximation] — "замена одних математических объектов другими, в том или ином смысле близкими к исходным"5 (в частности, приближенное выражение сложной функции с помощью более простых). Напр., при кусочно-линейной А. непрерывная дифференцируемая функция может быть заменена на функцию, состоящую из нескольких линейных участков (см. Кусочно-линейная функция).  [c.23]

Функционал F0 [и ( )] вычислялся точным интегрированием в классе кусочно линейных функций х (t) интегрирование уравнения —ф=2я (t) также было точным в классе кусочнолинейных х (f). Эти предосторожности были связаны с наличием особенностей в искомом решении использование более простых аппроксимаций, которые были бы вполне приемлемы на гладких траекториях и ( ), ( ) , в данном случае приводит к заметным -ошибкам (см. в связи с этим также стр. 224).  [c.290]

Напрашивающаяся аппроксимация очевидного точного решения кусочно линейной функцией с значениями х0=х1=.. . == =Ztf i=0, Xjv=l — неоптимальна. Оптимальная функция определяется решением разностного уравнения (аналог уравнения Эйлера) )  [c.292]

Ступенчатая аппроксимация fg(x) плотности fe(x) соответствует кусочно-линейной функции. Если абсциссы х , х2, ...хк скачков функции fg(x) суть квантили x0,xl,x2,...xR l  [c.58]

Смотреть страницы где упоминается термин Кусочно-линейная аппроксимация

: [c.13]    [c.219]    [c.94]    [c.14]    [c.165]    [c.161]    [c.227]   
Экономико-математический словарь Изд.5 (2003) -- [ c.23 ]