Алгоритм упорядочения

Алгоритмы декомпозиции сложных ХТС на строго соподчинен ные подсистемы и алгоритмы упорядочения этих подсистем между собой основаны на рассмотрении топологических свойств, которые [c.95]

Алгоритм упорядоченного поиска системы разделения. Алгоритм основан па использовании а) процедуры упорядоченного поиска оптимального варианта схемы на дереве вариантов б) ограничений, полученных на этапе анализа физико-химических и термодинамических свойств компонентов и смесей в) оценки вероятной стоимости незавершенной части схемы г) оценки возможности рекуперации тепла целевых и промежуточных потоков [52-54]. [c.488]

Рассмотрим алгоритмы упорядоченного ограниченного перебора решений НФЗ на дереве вариантов решений (см. разд. 2.2 и 2.5). [c.183]

Применим для решения этой задачи алгоритм упорядочения альтернатив по многим критериям предпочтения при нечетких отношениях между критериями, основные этапы которого заключаются в следующем. [c.304]

В отличие от электрических цепей при расчете потокораспределения в г д. наиболее распространенным и более эффективным в вычислительном плане является переход к контурным уравнениям. В то же время для учета разреженности матрицы более выгодной оказывается узловая форма записи системы уравнений, поскольку для сложных систем заполненность нулями у матрицы Максвелла меньше, чем у матрицы Кирхгофа. Кроме того, структура матрицы Максвелла совпадает со структурой схемы цепи и не зависит от выбора контуров, что упрощает логику алгоритмов упорядочения исключения переменных. [c.116]

Теперь нам остается описать лишь алгоритм упорядочения схемы. [c.104]

Перейдем теперь к вопросу автоматизации расчета замкнутых схем. Как легко видеть, алгоритм автоматического расчета произвольной замкнутой схемы должен состоять из алгоритма упорядочения схемы (см. стр. 104), алгоритма, описанного на стр. 100, и алгоритма автоматического расчета разомкнутой схемы, приведенного выше в этом разделе. Последовательность применения указанных алгоритмов в общем алгоритме расчета замкнутой схемы ясна из описания алгоритма, приведенного на стр. 104, поэтому мы здесь на этом не останавливаемся. [c.116]

Число возможных вариантов раскроя рулонной стали шириной Я на полосы шириной hi, Аг, Л (hi>h2,. .., >Лп) существенно зависит от ширины рулона и количества различных полос п. При больших значениях Я и п число возможных вариантов раскроя велико к перебор их затруднителен. Ниже рассматривается алгоритм упорядоченного построения всех возмож- ных вариантов раскроя. [c.126]

Алгоритм анализа ХТС, представленный в виде упорядоченного по слоям вершин ППГ, устанавливает порядок расчета математических моделей элементов системы для определения переменных ее выходных потоков при заданных значениях переменных входных потоков. [c.92]

К преимуществам метода прямого упорядочения вариантов по критерию эффективности следует отнести простоту алгоритма и программы оптимизации, малый объем необходимой машинной памяти и возможность нахождения абсолютного оптимума Главным недостатком метода является большое время работы ЭВМ, так как приходится рассчитывать все возможные варианты сочетаний значений оптимизируемых параметров. Этот недостаток вытекает из сущности рассматриваемого метода, при котором в процессе поиска экстремального значения целевой функции 3 результаты расчета предыдущих вариантов используются в очень малой степени. Для примера укажем, что если каждый из независимых параметров и варьируемых внешних факторов будет принимать по 5 значений, то при общем числе этих параметров и факторов, равном 10, потребуется рассчитать и сравнить приблизительно 10 миллионов вариантов. Для случая, когда число независимых параметров и внешних варьируемых факторов равно 20 и каждый из них принимает по 5 значений, общее число возможных вариантов возрастает до 10 . Кроме того, этот метод позволяет определить лишь приближенное положение точки оптимума, соответствующее значению функции цели в узлах пространственной сетки. [c.126]

Метод статистических испытаний характеризуется простотой алгоритма и программы рещения задачи. Ему свойственны все преимущества, присущие методу прямого упорядочения вариантов по критерию эффективности. Вместе с тем при использовании метода статистических испытаний количество рассчитываемых вариантов, а следовательно, и время счета на ЭВМ зависят от требуемой вероятности решения задачи с погрешностью, не превышающей определенное значение. Для тех задач, где допустимо некоторое снижение вероятности получения решения с заданной точностью, число необходимых случайных испытаний может быть уменьшено. [c.127]

Симплексный метод. Существует много алгоритмов, позволяющих решать задачи линейного программирования. Наиболее эффективным показал себя симплексный метод (метол последовательного улучшения плана). Это итерационный метод, позволяющий получить точное решение задачи. Его сущность сводится к упорядоченному перебору базисных решений задачи. [c.198]

Вычисление концентрации с 1) теперь свелось к перечислению всех корневых упорядоченных деревьев с I /-функциональными узлами. Алгоритм решения этой задачи сформулирован Гудом [18]. Он основан на графическом представлении бинома Ньютона в виде простейших корневых помеченных деревьев (рис. 1.9). Аналогично каждому члену разложения перечислительной производящей функции (п.ф.) g"(s) соответствует одно упорядоченное дерево (рпс. 1.10) [c.159]

Алгоритм 4. Упорядочение (или группировка) объектов Оу,. . Оп по одному КЭ путем экспертного опроса. [c.276]

Алгоритм 7. Алгоритм решения задачи упорядочения при нечетких ограничениях, основанный на компромиссе желаний максимизации функции полезности и максимизации функции принадлежности альтернатив допустимой области, т. е. [ф х) шах цс (а ) шах, х Х, состоит из следующих шагов. [c.284]

Элементы множества Р различны по важности. Пусть ц, Р X X Р [О, 1] — заданное нечеткое отношение важности признаков (экспертов). Величина и р , р ) отражает степень, с которой признак Pi (мнение эксперта р ) считается не менее важным, чем признак р (мнение эксперта р ). В этом случае упорядочение альтернатив проводится следующим алгоритмом. [c.289]

Теоретической основой выбо (Н на этих этапах являются общая методология и алгоритмы определения множества недоминируемых альтернатив при наличии многих КЭ отношения предпочтения, между которыми могут быть различные степени четкости. Рассмотрим основные стадии при упорядочении альтернатив и результаты их выполнения. [c.294]

Один из новых методов упорядоченного поиска — метод оврагов — позволяет обходить местные минимумы, подходя к истинному. В табл. 4 даны результаты счета. Алгоритм поискано методу оврагов состоит в с.ледующем при двух различных начальных значениях варьируемых переменных одним из методов поиска (в данном случае методом градиента) ищется минимальное значение функции (этапы I и II в табл. 4). Затем по найденным значениям переменных определяются исходные значения их для следующего этапа поиска. [c.81]

Это одна из характерных задач при выборе стандартной аппаратуры и работе со справочными таблицами с упорядоченной числовой информацией. Принципиальный алгоритм включает [c.176]

В настоящее время разработаны алгоритмы выделения и упорядочения комплексов в технологических схемах любой сложности [133]. [c.213]

Методы упорядоченного поиска. Сущность методов упорядоченного поиска сводится к тому, что решается система уравнений, описывающих контактный процесс, а варьируемые параметры изменяются в какой-то определенной последовательности, пока не будет достигнут минимум объема катализатора. Методы упорядоченного поиска различаются между собой алгоритмом изменения варьируемых переменных. [c.79]

Таков упорядоченный алгоритм полного перебора. В некоторых случаях перебор при решении задачи можно уменьшить. Так, если каждой точке области определения задачи можно сопоставить некоторое небольшое множество точек (называемое окрестностью данной точки), обладающее тем свойством, что в рассматриваемой точке наша функция принимает экстремальное значение но сравнению со значениями во всех точках окрестности, то имеется глобальный экстремум. Ясно, что в подобных задачах перебор можно вести только внутри окрестностей и спуск возможен но значениям функции. Простейшим примером такого рода является ситуация, когда задачу можно включить в схему линейного программирования. В этом случае окрестность точки уже определена — это все соседние с ней вершины многогранника, ограничивающего допустимую область определения. Именно на переборе по таким окрестностям и основан уже упоминавшийся симплекс-метод. [c.30]

В выводе программы Ионный генератор представлены все возможные пути образования ионов. Упорядочение различных механизмов образования ионов осуществляется путем анализа на присутствие — отсутствие пиков ионов, которые должны появляться в масс-спектре исследуемого вещества. Если часть соответствующих ионов отсутствует, то такой механизм исключается из рассмотрения. Программа, работающая по алгоритму Ионный генератор , пока ограничивается рассмотрением только первичных ионов. [c.52]

Система алгоритмического обеспечения представляет собой иерархически упорядоченную совокупность алгоритмов, которая имеет три уровня операторы, блоки и составные алгоритмы. [c.120]

На основании теоретического и экспериментального исследования управляемого полета и полученных аналитических выражений для всех силовых факторов разработана обобщенная математическая модель управляемого полета [75], а также инженерная методика расчета элемента САПР отклоняющей системы, позволяющие выполнить ее расчет, проектирование и оптимизацию. Создана методика выбора алгоритма развертки, а также разработан ряд конструкций печатающих головок и электронных блоков для управления полетом. Перед математической моделью стояла задача описания управляемого полета отточки дробления до плоскости печати упорядоченной группы капель, необходимых для запечатывания любого символа. Математическая модель позволяет рассчитывать траектории и законы полета, находить управляющие и корректирующие электрические сигналы, оптимальные алгоритмы разверток и рациональные начальные условия, физические, конструктивно-геометрические и другие эксплуатационные параметры отклоняющих систем. Математическая [c.98]

В соответствии с математическими формулировками стратегий декомпозиции множества решений НФЗ, представленными соотношениями (6.7)—(6.10) предлагаются три алгоритма упорядоченного ограниченного перебора на дереве вариантов решений (ДВР), или три вида порождающих процедур построения для некоторого имплицитного ДВР усеченного эксплицитного дерева (см. разд. 2 5) процедуры перебора вершин волновым ветвлением , лучевым ветвлением и лучеволновым ветвлением 10]. [c.183]

Алгоритмы упорядочения объектов при ОФХТС на основе нечеткой экспертной информации [c.274]

Рассмотрим построение алгоритмов упорядочения объектов (альтернатив, КЭ) задач ОФХТС на основе нечеткой информации, полученной экспертным опросом. [c.274]

Использовав обозначения и определения [3, 6, 11], приведем алгоритмы упорядочения альтернатив в ЗПР, в которых рассматриваются а) одно НБОП б) несколько целей в виде НБОП с четкими отношениями (весами) важности между целями в) несколько целей в виде НБОП с нечеткими отношениями (весами) важности между целями. Решение упорядочения представляется в виде нечеткого мнон<ества недоминируемых альтернатив D с функцией принадлежности цс х) [х Е X) здесь X — заданное множество допустимых альтернатив. Целесообразна альтернатива х" с максимальной степенью недоминируемости, т. е. [c.286]

Замечание 2. Аналогичным образом можно использовать НБОП Нн (х, у) для оценки степеней предпочтения альтернатив в смысле выполнения ограничений. При этом можно использовать изложенный алгоритм упорядочения для решения задач с ограничениями, сведенных к эквивалентным задачам поиска особых точек нечетких обобщенных целей в виде штрафных функций или модифицированных функций Лагран ка. [c.287]

К ОДНОЙ ИЗ первых попыток формализации, упорядочения известных методов с целью создания алгоритмов экономических расчетов теплообменных аппаратов в отечественной практике можно отнести работу [85]. В этой и последующих работах [43, 44, 47, 55, 58, 68, 76, 84, 132 и др.] в капитальные вложения К включаются только те затраты, которые прямо влияют на выбор лучшего варианта. Не рассматривая этапы соверщенство-вания алгоритмов экономических расчетов, здесь и в последующем будут изложены лишь результаты наших последних работ (44, 47. 55 и др.]. [c.269]

Один из возможных алгоритмов решения задачи синтеза оптимальной химико-технологической системы, применяемый для задач небольшой размерности, состоит в упорядочении процедуры поиска оптимального решения. В основе алгоритма лежат с. 1сдующпе представления. Из переменных задачи V/, Л /(/ = — д, т . только две являются независимыми, а две другие [c.192]

Технологические операции в аппаратах периодического действия образуют упорядоченную во времени последовательность, которая поддерживается соответствующей подсистемой управления, называемой подсистемой управления сменой функциональных состояний аппарата. Управление процессом смены (Ьункциональных состояний аипаратов периодического действия 1 гибких автоматизированных производственных системах ор- анизуется на основе конечно-автоматных моделей. Управляющие алгоритмы имеют вид секвенций. [c.268]

Рассмотренный алгоритм синтеза состоит из процедуры упорядоченного перебора с использованием на каждом шаге поиска по ширине или полной декомпозиции рассматриваемой вершины независимо от уровня завершзнности схемы разделения. [c.493]

Реализация операций упорядоченного ограниченного поиска решений НФЗ базируется, во-первых, на осуществлении двух видов многоуровневой декомпозиции декомпозиции НФЗ и декомпозиции множества решений НФЗ в пространстве состояний, а во-вторых, на применении алгоритмов иерархически организованного упорядоченного перебора решений. Выделяют две стратегии декомпозиции НФЗ [69, 70[ — стратегию элементарной декомпозиции и стратегию произвольной декомпозиции НФЗ. При использовании стратегии элементарной декомпозиции НФЗ Р декомпозируется [c.180]

Алгоритм упорядочивания вершин разомкнутого графа (АУВР) будет строить по определенным правилам некоторую упорядоченную последовательность (УП) вершин указанного графа. УП будет содержать все вершины графа, причем каждая вершина встретится в ней только один раз. Итак, пусть на /-ом шаге построена часть УП [c.53]

Это соотношение одпозначпо связывает числа с ( /, ,) некорневых /с-ад с вероятностями Р С/, , соответствующих им упорядоченных последовательностей. Величины О (к, д), 0 к, д), а к, д), являются топологическими характеристиками /с-ады (С/, ,), в то время как множитель, , б (одинаковый для всех классов эквивалентности с равными степенями корня) отражает индивидуальность конфигурационной структуры набора макромолекул конкретного полимерного образца. Числа О к, д), В к, д) для последовательностей малого размера достаточно просто определить простым перебором, а для больших к можно воспользоваться результатом работы [154], в которой описывается строение группы автоморфизмов дерева и фактически содержится алгоритм вычисления ее порядка. [c.203]

Единственным известным в настоящее время конструктивным алгоритмом построения вероятностной меры на деревьях является тот, который индуцируется ветвящимися процессами. Его реализации составляют множество случайных упорядоченных деревьев — статический лес [153]. В разд. I для некоторых моделей образования полимера было показано, что вероятности различных реализаций ветвящегося процесса совпадают с весовыми долями представляемых ими молекул, т. е. статический лес тождествен клону уиорядоченных корневых молекулярных графов. В других случаях вероятностную меру па статическом лесе можно исиользовать как некоторое приближение для описания распределения деревьев клона [26]. Вероятностные параметры ветвящегося процесса представляют собой доли различных подграфов малого размера, так что появляется возможность непосредственно выразить через них вероятности Р С/, и по формуле (II.9) числа Uk,q) произвольных /i-ад. [c.204]

Алгоритм 5. Экспертное упорядочение (или группировка) объектов при наличии многих сложных КЭ с неизвестными отношениями предпочтения. Пусть требуется экспертным путем упорядочить или сгруппировать конечную совокупность объектов Оу,. . Оп одновременно по многим критериям (признакам) Ру,. . с неизвестными весами важности критериев. Реше- [c.277]

Описанные выше алгоритмы могут быть рекомендованы для решения различных классов ЗПР для ОФХТС в виде задач упорядочения и группировки объектов при учете одновременно многих сложных (количественных, качественных) КЭ или признаков подобия. [c.282]

Рассмотрим теперь алгоритмы решения задачи ОФХТС группы Лр (упорядочение альтернатив на основе нечеткпх отношений предпочтения). [c.286]

Указанного недостатка лишен алгоритм, разработанный Буяновым и Озерновым и описанный в работе [28]. Упорядочение объектов Х, Х2, Хп предлагается осуществлять путем оценки с помощью [c.23]

Обзор литературы с описанием существующих алгоритмов многокритериальной оптимизации, приведенный во второй главе, позволил придти к вьшоду, что большинство авторов предлагают охарактеризовать относительную важность критериев с помощью чисел и, -(/ =, к), называемых коэффициентами относительной важности критериев (важному критерию приписывается больший коэффициент важности). Однако в обычных практических задачах назначение критериальных весов является весьма спорным. Некоторые авторы прибегают к помощи экспертов, хотя и этот путь также не дает гарантий, что полученные веса будут реальными и объективными. Очевидно, что правильнее использование качественной информации о приоритете критериев (один критерий важнее другого или они одинаково важны). В этом случае решения, полученные на основе качественной информации, более достоверны и надежны по сравнению с решениями, полученными с учетом одной лишь количественной информации. Но использование последней не всегда позволяет осуществить упорядочение эффективного множества и определить оптимальное компромиссное решение. Именно поэтому естественным и наиболее рациональным путем решения задач многокритериальной оптт изации является использование на первом этапе качественной информации о важности критериев, а затем, по мере необходимости, и количественной информации. [c.51]

Повышение надежности рассматриваемого способа анализа спектров низкого разрешения в первую очередь требует упорядочения процедуры выбора наиболее важных сигналов из всей их совокуиности. В качестве критерия выбора наиболее характеристических пиков было предложено использовать понятие визуально интерпретируемых пиков [52, с. 458]. Их интенсивности должны быть больше, чем у пиков с массовыми числами т I и т 14. Такой алгоритм выбора сохраняет для последующего рассмотрения важнейшие сигналы в группе пиков молекулярных ионов (даже если их абсолютная интенсивность мала), наиболее информативные изотопные пики с Дт = 2 (у хлор- и бромсодержащих соединений) и, кроме того, может быть формализован при автоматической интерпретации спектров с помощью ЭВМ. Подобное представление значительно сокращает масс-спектр за счет исключения недостаточно информативных сигналов. [c.73]

Справочник химика 21

Химия и химическая технология