Матрицы графов

Совокупность всех функций (дерево функций) характеризует функциональную структуру анализируемой системы. Функциональная структура может изображаться схемой, матрицей, графом (последний наиболее наглядно показывает взаимосвязь между отдельными функциями).  [c.272]


Для выполнения расчета сетевого графика с помощью теории графов заполняется матрица связей между событиями. Матрица связей (рис. 4.И, о) представляет собой шахматную таблицу с числом столбцов и строк, равным количеству событий в сетевом графике. На пересечении /-и строки и t -ro столбца проставляется ожидаемое время выполнения. работы между f-м и /-М событиями.  [c.73]

Решение задач многофакторного корреляционного анализа производится на ПЭВМ по типовым программам. Сначала формируется матрица исходных данных, в первой графе которой записывается порядковый номер наблюдения, по второй — величина результативного показателя (У), а в следующих — данные по факторным показателям (х.). Эти сведения вводятся в ПЭВМ, и рассчитывается уравнение множественной регрессии, которое в нашей задаче получило следующее выражение  [c.69]


Этап 2. В таблице исходных данных определяется в каждой графе максимальный элемент, который принимается за единицу. Затем все элементы этой графы (а.) делятся на максимальный элемент предприятия-эталона (max я..). В результате создается матрица стандартизованных коэффициентов (х.), представленных в табл. 13.29  [c.319]

Логически связанным с методом дерева целей является матричный метод, основанный на использовании матриц, отражающих значения (веса) вершин графа объекта прогнозирования с последующим преобразованием матриц и оперированием с ними.  [c.29]

Заменив в- матрице евклидовых расстояний (табл. 6.13) расстояния предприятий, вошедших в первый кластер, на числа последней графы табл. 6.14, видим, что теперь минимальным является расстояние между предприятием Пригородное и первым кластером d =1,237 (табл. 6.15).  [c.141]

Заменив евклидовы расстояния предприятий, вошедших в кластер, данными последней графы табл. 6.16, получим новую матрицу евклидовых расстояний (табл. 6.17).  [c.141]

Двойной расчет сумм покрытия (в соответствии с принципом построения граф и строк матрицы) не только служит схемой для обработки фактических данных контроллером, но прежде всего используется в качестве формы бюджетирования. Эта форма расчета показывает, что все руководители находятся как бы в одной лодке и 90  [c.90]

Дополнительно к формуляру стратегического планирования может оказаться полезной матрица перспектив, позволяющая формировать определенные мнения (рис. ЗОа). В графах матрицы приведены данные о продуктах, а в строках - данные о рынках. Первичными для рынка являются целевые группы конечных потребителей. С этой точки зрения нужно решить вопрос, какой источник в качестве канала сбыта пригоден для удовлетворения их потребностей. Однако часто может оказаться целесообразным использовать матрицу перспектив для поиска в ее левом нижнем поле новых каналов сбыта или новых региональных рынков.  [c.144]


Для визуального представления структуры данных ИЛМ предметной области строится граф ИЛМ, вершины которого - ИО, а дуги - структурные связи ИО. Все ИО расположены по уровням иерархии согласно одно-многозначному типу отношений экземпляров ИО. Для расположения ИО по уровням иерархии используется матрица смежности (см. далее). При значительном числе ИО ИЛМ подобное графическое представление облегчает понимание структуры данных, обеспечивает плавный переход к логической структуре БД. Особенности этих этапов рассмотрены в примере 2.  [c.520]

Из этой матрицы видно, что для вычисления элемента d3 необходимо обращение к элементам rf, и dv а для получения элемента d4 - к элементу элементов матрицы. Информационный граф в этом простейшем случае будет соответствовать рис. 4.1.  [c.138]

Для полученного графа (см. рис. 4.1) матрица М будет выглядеть следующим образом  [c.139]

Соответствующая задача сводится к сетевой транспортной задаче с дополнительными ограничениями (,СТЗ ДО), где условия СТЗ полностью определяются сетью (графом) задачи, а дополнительные ограничения формируются по информации о связующих дугах. При этом число дополнительных ограничений равно (А —1)7, где / — число цепочек в (7 + 1)-й подсети. Для решения возникающей задачи могут быть использованы специальные алгоритмы и программы решения СТЗ ДО. Следует подчеркнуть, что в этих алгоритмах существенно используется структура матрицы СТЗ ДО, т. е. на каждой итерации операции преобразования обратной матрицы строятся в соответствии с методом потенциалов решения СТЗ.  [c.70]

Процесс решения задачи осуществляется двумя каналами первый — преобразование матрицы, второй — построение графа.  [c.83]

Решение идет двумя каналами 1-й — преобразование матрицы, 2-й — построение графа. Решение начинается с сопоставления множества х (вершина графа) и нижней границы w(x), равной сумме всех понижений матрицы (оператор 2).  [c.86]

Понижения строк, столбцов и всей матрицы Т представлены в табл. 23. Величину Р(Т) сопоставим вершине графа Г да(л ) = = Р(Т). Граф представлен на рис. 18.  [c.95]

Дальнейший процесс решения задачи состоит в повторении пунктов 2 — 8, что осуществляется до тех пор, пока не получим матрицу размером 2X2. Процесс развития решения задачи представлен на графе Г.  [c.97]

Сопоставляем матрицы An, Аы, Азг, А узлам первого уровня графа Г (см. рис. 19).  [c.128]

Сопоставляем матрицы А(2, Аз1, А(и узлам второго уровня графа Г.  [c.129]

Сопоставляем матрицы Af, A(u узлам третьего уровня графа Г.  [c.129]

Необходимые для этого параметры по 1 и 2-й частям матрицы легко находятся простым расчетом и проставляются в последующих трех графах табл. 34. Так, по детали А  [c.157]

Для превращения числовой модели оптимального варианта календарного плана в собственно календарный график производства достаточно в столбцах матрицы по каждому станку дать графу календарных сроков посменного начала и окончания обработки партии.  [c.178]

Граф, соответствующий этой матрице, имеет дугу из первой в первую  [c.23]

Рис. 2.1. Граф, иллюстрирующий матрицу Рис. 2.1. Граф, иллюстрирующий матрицу
Для описания графа G построим матрицу смежности (табл. 22), которая для неориентированного графа имеет вид А = ац , где ау — элементы матрицы смежности, определяемые следующим образом  [c.105]

Обычно формирование целей (п. 2 алгоритма) осуществляется в виде графа (дерева) целей или в виде матрицы целей. По столбцам и строкам такой матрицы приводятся одни и те же цели, взаимосвязи элементов матрицы оцениваются 1 или 0 по следующему правилу при наличии взаимосвязи значение элемента матрицы принимается равным 1, при отсутствии — 0.  [c.197]

Для описания Г. часто используется квадратная матрица, именуемая матрицей смежности. У нее как строки, так и столбцы отвечают вершинам Г. (i,j= 1, 2,. .., п), а элемент г.. несет информацию о наличии ребра, связывающего произвольные вершины х. и х.. Напр., можно обозначить наличие ребра между ними единицей, а отсутствие — нулем. Это называется матричным представлением рассматриваемого Г. Для графа, показанного на рис. Г.2, имеем матрицу  [c.67]

СОЦИОГРАММА — способ представления межличностных и межгрупповых отношений в виде графа-системы связей между точками, каждой из которых соответствует определенный индивид или социальная группа. Для построения С. предварительно выделенную совокупность респондентов опрашивают относительно содержания и параметров их взаимных контактов. Полученную информацию представляют в виде матрицы и анализируют методами автоматической классификации данных, логико-структурного или факторного анализа, многомерного шкалирования и др. В практике эмпирической С. используется для определения границ различного рода сообществ выявления и анализа их структуры, а также дифференциации их представителей на статусные и ролевые категории.  [c.350]

Этап 2. В табл. 4.8 в каждой графе определяется максимальный элемент, который принимается за единицу. Затем все элементы этой графы (аг) делятся на максимальный элемент эталонного предприятия (max a(-). В результате создается матрица стандартизованных коэффициентов (j iy), представленных в табл. 4.9  [c.57]

Матрице В ставится в соответствие информационный граф G=(D,Rg). Множеством вершин графа G=(D,R0) является множество D информационных элементов, а каждая дуга (de d) соответствует условию dR0dj, т.е. записи 1 в позиции (if ) матрицы В.  [c.137]

В общем случае структура графа 0=(ДЛ0) вследствие нет упорядоченности сложена для восприятия и анализа. Составленная на основе инфологической модели, она. не гарантирована от неточностей, ошибок, избыточности и транзитивности. Для формального выделения входных, промежуточных и выходных наборов информационных элементов, определения последовательности- операций их обработки, анализа и уточнения взаимосвязей на основе графа G= (D,R0) строят матрицу достижимости.  [c.138]

Решение возникающей задачи может быть осуществлено при помощи алгоритмов решения СТЗ ДО (однако их применение требует дополнительного обеспечения специальными приемами связности графа задачи) и алгоритмов, учитывающих блочный характер матрицы СТЗ. В статье [12] рассмотрены соответствующие модификации алгоритма К. В. Кима и известного метода декомпозиции. Вычислительные аспекты рассмотренных сетевых задач обсуждаются в статье [16]. В частности, соответствующие графы могут иметь большую размерность вследствие многократного дублирования (по числу продуктов) вершин и дуг исходной транспортной сети, однако на практике существует возможность существенного уменьшения этой размерности. В статье даются сравнительные оценки этих моделей для случая, когда возможно применение их обеих. Результаты весьма огра--ниченного эксперимента показали некоторую предпочтительность более частной модели.  [c.71]

Случай 1. На этапе I получилось w ( i)pv матрицы Т. С матрицей Г2 проделываем те же операции, что и с матрицей Т на I этапе, только в шаге 5 для узла у2 графа Г полагаем w (yl = (yl)- -P (T2), а в шаге 7 для узла у2 графа Г полагаем w(yz) w (yi)- - P(TS). Случай 2. на этапе I получилось w (уг) < w (у-,). Развиваем узел уа графа Г. В качестве матрицы 7 берем матрицу, найденную на шаге 6 I этапа, и проделываем с ней те же операции, что и с матрицей Т в шагах 2 — 7 ш I этапе, только в шаге 5 для узла у2 графа Г полагаем и>(у2) = w(yl)- -P (7 ), а в шаге 7 для узла у2 графа Г полагаем w(y2) = w(y1)- -P(Tt).  [c.84]

Матрица инциденций Rr и граф нечеткого соответствия изображены на  [c.46]

Заключительную матрицу данных полностью характеризуют соответствующие графам значения фактического (г/факт) и расчетного ( /расч) показателей, определяемых по уравнению регрессии у = — 3,085 + 0,0774 + 0,023лг3. По этим данным определяется отклонение г/факт — г/расч, которое сравнивается с доверительными интервалами (границы, выход за пределы которых имеет незначительную вероятность).  [c.42]

Б.о. могут отображаться матрицами и графами. Изучаются, кроме Б.о., также тернарные (тройственные) и л-арные отношения.  [c.32]

Справочник по математике для экономистов (1987) -- [ c.265 ]