Поиск новых рыночных возможностей осуществляется путем постоянного наблюдения за изменениями на рынке. Целесообразно также использование сетки развития товара и рынка 1 (рис. 6.2). [c.133]
Решая N уравнений (17) вместе с т уравнениями (15 ) относительно N -m неизвестных sa , Х1 А2,. . ., Хт при каком-то фиксированном значении Х , получим решение, удовлетворяющее всем условиям задачи, за исключением (16 ). Проделав подобные вычисления для нескольких значений Х0, подберем нужное значение )i0 из условия (16 ), которое, кстати, может быть удовлетворено с не очень высокой точностью. Однако самым неприятным моментом всего алгоритма является необходимость решения систем линейных алгебраических уравнений высокого порядка N. Этим объясняется, видимо, тот факт, что в известных автору работах метод второго порядка использовался на сравнительно грубых сетках с небольшим значением N 10- -20. Если исходная вариационная задача содержит условие и (t) U, и в (16 ) берется первый вариант ограничений на sn, задача также оказывается вычислительно очень сложной при больших N. Таким образом, проявляется своеобразная противоречивость методов второго порядка. Имея целью в основном повысить эффективность поиска вблизи минимума и получить меньшее значение функционала, чем это удается сделать методами первого порядка, методы второго порядка, реализованные на грубых сетках невысокой размерности, теряют в точности именно из-за грубости аппроксимации, из-за сужения задачи на пространство управлений, не допускающее очень точного приближения искомого оптимального и (t). [c.209]
В задаче минимизации функции J (в) первостепенное значение имеет удачный выбор начального приближения 60. Разумеется, невозможно придумать общего правила, которое было бы удовлетворительно для всех случаев, т. е. для всех возможных нелинейных функций /J. Каждый раз приходится искать свое решение. Ниже предлагается набор некоторых способов нахождения грубых начальных приближений, который на практике может служить отправной точкой поиска удовлетворительных приближений в конкретной задаче. 9.6.1. Поиск на сетке. Особенно эффективен этот метод при небольшом числе собственно нелинейных параметров. Часто функции fi устроены так, что при фиксации значений одних параметров (которые и называем собственно нелинейными) [c.313]
Сопоставляя эти данные, можно осуществить параметрический поиск по сетке значений, которая определяет стоимость портфеля в интервалах, начиная от неизменных и до экстремальных за рассматриваемый период (через один день). [c.334]
Использование того же метода наименьших квадратов, как и в линейной логопериодической формуле, позволяет отойти от линейных переменных А, В и С и образовать целевую функцию, зависящую только от ta ft,
Для крупных архивов и центров информации разработаны еще более совершенные системы поиска на базе электронных вычислительных машин. Так, фирма Фильморекс (Франция) разработала систему хранения, поиска и размножения микрокопий на основе микрофиша (см. рис. 13.9, в)—прозрачной плоской карты размером 35X60 мм, на которую фотографическим путем наносится микрокопия документа, его код (в виде черно-белой сетки) для поиска с помощью фотоэлектронных устройств и номер для визуального контроля. Поиск осуществляется со скоростью до 400 шт. в минуту. [c.346]
Вторая часть ошибки 1,2% — это ошибка поиска, связанная, в частности, с размазанностью 8-функций. Ошибку аппроксимации легко уменьшить, уменьшив т на ошибку поиска это практически не повлияет, ее уменьшение может быть достигнуто увеличением числа итераций, уменьшением S и, быть может, увеличением точности некоторых промежуточных вычислений. Поэтому размазанность 8-функции следует характеризовать не числом счетных интервалов, а шириной временного интервала именно она сохранится, если расчеты повторить, изменив лишь шаг сетки. [c.293]
Смотреть страницы где упоминается термин Поиск на сетке
: [c.327] [c.311] [c.348] [c.320] [c.71]Смотреть главы в:
Прикладная статистика Исследование зависимостей -> Поиск на сетке