(решения уравнения)

устройство для решения модифицированного уравнения с использованием сопряжённых градиентов
(напр. уравнения Пуассона для разработки моделей короны в электрофильтре)
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

EN

• modified conjugate gradient solver
• MCGS

устройство для решения уравнения с использованием сопряжённого градиента
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

EN

• modified conjugate gradient solver

11. Стационарная стабилизация сверхпроводника

Стационарная стабилизация Е.

Steady state stabilisation

(Измененная редакция, Изм. № 1).

Стабилизация сверхпроводника, заключающаяся в повышении устойчивости его к возмущениям за счет снижения генерации тепла в нормальных участках сверхпроводящего провода и улучшения теплоотвода от него.

Примечание. Стационарная стабилизация может обеспечиваться снижением нормального сопротивления, увеличением охлаждаемого периметра, увеличением коэффициента теплоотдачи до уровня, определяемого существованием стационарного решения уравнения, описывающего сосуществование нормального и сверхпроводящего участков в сверхпроводящем проводе

Источник: ГОСТ 23869-79: Материалы сверхпроводящие. Термины и определения оригинал документа

линейное программирование
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

линейное программирование
Область математического программирования, посвященная теории и методам решения экстремальных задач, характеризующихся линейной зависимостью между переменными. В самом общем виде задачу Л.п. можно записать так. Даны ограничения типа или в так называемой канонической форме, к которой можно привести все три указанных случая Требуется найти неотрицательные числа xj (j = 1, 2, …, n), которые минимизируют (или максимизируют) линейную форму Неотрицательность искомых чисел записывается так: Таким образом, здесь представлена общая задача математического программирования с теми оговорками, что как ограничения, так и целевая функция — линейные, а искомые переменные — неотрицательны. Обозначения можно трактовать следующим образом: bi — количество ресурса вида i; m — количество видов этих ресурсов; aij — норма расхода ресурса вида i на единицу продукции вида j; xj — количество продукции вида j, причем таких видов — n; cj — доход (или другой выигрыш) от единицы этой продукции, а в случае задачи на минимум — затраты на единицу продукции; нумерация ресурсов разделена на три части: от 1 до m1, от m1 + 1 до m2 и от m2 + 1 до m в зависимости от того, какие ставятся ограничения на расходование этих ресурсов; в первом случае — «не больше», во втором — «столько же», в третьем — «не меньше»; Z — в случае максимизации, например, объем продукции или дохода, в случае же минимизации — себестоимость, расход сырья и т.п. Добавим еще одно обозначение, оно появится несколько ниже; vi — оптимальная оценка i-го ресурса. Слово «программирование» объясняется здесь тем, что неизвестные переменные, которые отыскиваются в процессе решения задачи, обычно в совокупности определяют программу (план) работы некоторого экономического объекта. Слово, «линейное» отражает факт линейной зависимости между переменными. При этом, как указано, задача обязательно имеет экстремальный характер, т.е. состоит в отыскании экстремума (максимума или минимума) целевой функции. Следует с самого начала предупредить: предпосылка линейности, когда в реальной экономике подавляющее большинство зависимостей носит более сложный нелинейный характер, есть огрубление, упрощение действительности. В некоторых случаях оно достаточно реалистично, в других же выводы, получаемые с помощью решения задач Л.п. оказываются весьма несовершенными. Рассмотрим две задачи Л.п. — на максимум и на минимум — на упрощенных примерах. Предположим, требуется разработать план производства двух видов продукции (объем первого — x1; второго — x2) с наиболее выгодным использованием трех видов ресурсов (наилучшим в смысле максимума общей прибыли от реализации плана). Условия задачи можно записать в виде таблицы (матрицы). Исходя из норм, зафиксированных в таблице, запишем неравенства (ограничения): a11x1 + a12x2 ? bi a21x1 + a22x2 ? b2 a31x1 + a32x2 ? b3 Это означает, что общий расход каждого из трех видов ресурсов не может быть больше его наличия. Поскольку выпуск продукции не может быть отрицательным, добавим еще два ограничения: x1? 0, x2? 0. Требуется найти такие значения x1 и x2, при которых общая сумма прибыли, т.е. величина c1 x1 + c2 x2 будет наибольшей, или короче: Удобно показать условия задачи на графике (рис. Л.2). Рис. Л.2 Линейное программирование, I (штриховкой окантована область допустимых решений) Любая точка здесь, обозначаемая координатами x1 и x2, составляет вариант искомого плана. Очевидно, что, например, все точки, находящиеся в области, ограниченной осями координат и прямой AA, удовлетворяют тому условию, что не может быть израсходовано первого ресурса больше, чем его у нас имеется в наличии (в случае, если точка находится на самой прямой, ресурс используется полностью). Если то же рассуждение отнести к остальным ограничениям, то станет ясно, что всем условиям задачи удовлетворяет любая точка, находящаяся в пределах области, края которой заштрихованы, — она называется областью допустимых решений (или областью допустимых значений, допустимым множеством). Остается найти ту из них, которая даст наибольшую прибыль, т.е. максимум целевой функции. Выбрав произвольно прямую c1x1 + c2x2 = П и обозначив ее MM, находим на чертеже все точки (варианты планов), где прибыль одинакова при любом сочетании x1 и x2 (см. Линия уровня). Перемещая эту линию параллельно ее исходному положению, найдем точку, которая в наибольшей мере удалена от начала координат, однако не вышла за пределы области допустимых значений. (Перемещая линию уровня еще дальше, уже выходим из нее и, следовательно, нарушаем ограничения задачи). Точка M0 и будет искомым оптимальным планом. Она находится в одной из вершин многоугольника. Может быть и такой случай, когда линия уровня совпадает с одной из прямых, ограничивающих область допустимых значений, тогда оптимальным будет любой план, находящийся на соответствующем отрезке. Координаты точки M0 (т.е. оптимальный план) можно найти, решая совместно уравнения тех прямых, на пересечении которых она находится. Противоположна изложенной другая задача Л.п.: поиск минимума функции при заданных ограничениях. Такая задача возникает, например, когда требуется найти наиболее дешевую смесь некоторых продуктов, содержащих необходимые компоненты (см. Задача о диете). При этом известно содержание каждого компонента в единице исходного продукта — aij, ее себестоимость — cj ; задается потребность в искомых компонентах — bi. Эти данные можно записать в таблице (матрице), сходной с той, которая приведена выше, а затем построить уравнения как ограничений, так и целевой функции. Предыдущая задача решалась графически. Рассуждая аналогично, можно построить график (рис. Л.3), каждая точка которого — вариант искомого плана: сочетания разных количеств продуктов x1 и x2. Рис.Л.3 Линейное программирование, II Область допустимых решений здесь ничем сверху не ограничена: нужное количество заданных компонентов тем легче получить, чем больше исходных продуктов. Но требуется найти наиболее выгодное их сочетание. Пунктирные линии, как и в предыдущем примере, — линии уровня. Здесь они соединяют планы, при которых себестоимость смесей исходных продуктов одинакова. Линия, соответствующая наименьшему ее значению при заданных требованиях, — линия MM. Искомый оптимальный план — в точке M0. Приведенные крайне упрощенные примеры демонстрируют основные особенности задачи Л.п. Реальные задачи, насчитывающие много переменных, нельзя изобразить на плоскости — для их геометрической интерпретации используются абстрактные многомерные пространства. При этом допустимое решение задачи — точка в n-мерном пространстве, множество всех допустимых решений — выпуклое множество в этом пространстве (выпуклый многогранник). Задачи Л.п., в которых нормативы (или коэффициенты), объемы ресурсов («константы ограничений«) или коэффициенты целевой функции содержат случайные элементы, называются задачами линейного стохастического программирования; когда же одна или несколько независимых переменных могут принимать только целочисленные значения, то перед нами задача линейного целочисленного программирования. В экономике широко применяются линейно-программные методы решения задач размещения производства (см. Транспортная задача), расчета рационов для скота (см. Задача диеты), наилучшего использования материалов (см. Задача о раскрое), распределения ресурсов по работам, которые надо выполнять (см. Распределительная задача) и т.д. Разработан целый ряд вычислительных приемов, позволяющих решать на ЭВМ задачи линейного программирования, насчитывающие сотни и тысячи переменных, неравенств и уравнений. Среди них наибольшее распространение приобрели методы последовательного улучшения допустимого решения (см. Симплексный метод, Базисное решение), а также декомпозиционные методы решения крупноразмерных задач, методы динамического программирования и др. Сама разработка и исследование таких методов — развитая область вычислительной математики. Один из видов решения имеет особое значение для экономической интерпретации задачи Л.п. Он связан с тем, что каждой прямой задаче Л.п. соответствует другая, симметричная ей двойственная задача (подробнее см. также Двойственность в линейном программировании). Если в качестве прямой принять задачу максимизации выпуска продукции (или объема реализации, прибыли и т.д.), то двойственная задача заключается, наоборот, в нахождении таких оценок ресурсов, которые минимизируют затраты. В случае оптимального решения ее целевая функция — сумма произведений оценки (цены) vi каждого ресурса на его количество bi— то есть равна целевой функции прямой задачи. Эта цена называется объективно обусловленной, или оптимальной оценкой, или разрешающим множителем. Основополагающий принцип Л.п. состоит в том, что в оптимальном плане и при оптимальных оценках всех ресурсов затраты и результаты равны. Оценки двойственной задачи обладают замечательными свойствами: они показывают, насколько возрастет (или уменьшится) целевая функция прямой задачи при увеличении (или уменьшении) запаса соответствующего вида ресурсов на единицу. В частности, чем больше в нашем распоряжении данного ресурса по сравнению с потребностью в нем, тем ниже будет оценка, и наоборот. Не решая прямую задачу, по оценкам ресурсов, полученных в двойственной задаче, можно найти оптимальный план: в него войдут все технологические способы, которые оправдывают затраты, исчисленные в этих оценках (см. Объективно обусловленные (оптимальные) оценки). Первооткрыватель Л.п. — советский ученый, академик, лауреат Ленинской, Государственной и Нобелевской премий Л.В.Канторович. В 1939 г. он решил математически несколько задач: о наилучшей загрузке машин, о раскрое материалов с наименьшими расходами, о распределении грузов по нескольким видам транспорта и др., при этом разработав универсальный метод решения этих задач, а также различные алгоритмы, реализующие его. Л.В.Канторович впервые точно сформулировал такие важные и теперь широко принятые экономико-математические понятия, как оптимальность плана, оптимальное распределение ресурсов, объективно обусловленные (оптимальные) оценки, указав многочисленные области экономики, где могут быть применены экономико-математические методы принятия оптимальных решений. Позднее, в 40—50-х годах, многое сделали в этой области американские ученые — экономист Т.Купманс и математик Дж. Данциг. Последнему принадлежит термин «линейное программирование». См. также: Ассортиментные задачи, Базисное решение, Блочное программирование, Булево линейное программирование, Ведущий столбец, Ведущая строка, Вершина допустимого многогранника, Вырожденная задача, Гомори способ, Граничная точка, Двойственная задача, Двойственность в линейном программировании, Дифференциальные ренты, Дополняющая нежесткость, Жесткость и нежесткость ограничений ЛП, Задача диеты, Задача о назначениях, Задача о раскрое, Задачи размещения, Исходные уравнения, Куна — Таккера условия, Множители Лагранжа, Область допустимых решений, Опорная прямая, Распределительные задачи, Седловая точка, Симплексная таблица, Симплексный метод, Транспортная задача.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• linear programming

дифференциальные уравнения
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

дифференциальные уравнения
Уравнения, предназначенные для выражения соотношений не только между отдельно взятыми величинами, но и между их изменениями. Это уравнения, в той или иной форме связывающие независимые переменные (см. Аргумент функции), искомые функции и их производные. Решение (интегрирование) Д.у. заключается в отыскании функции, которая удовлетворяет этому уравнению для всех значений независимой переменной (или переменных) в определенном конечном или бесконечном интервале. Такое решение может быть проверено подстановкой. Если неизвестная функция зависит от одной независимой переменной, то Д.у. называется обыкновенным; если рассматривается функция многих переменных и в уравнении содержатся частные производные — уравнением в частных производных (с частными производными). Порядком Д.у. называется высший из порядков производных или дифференциалов, входящих в уравнение. Общий вид обыкновенного Д.у. n-го порядка: F(x, y, y?, …, y(n)) = 0. Общий вид решения обыкновенного Д.у. n-го порядка можно записать так: y = f (x, c1, c2, …, cn). Здесь c1, c2 и т.д. — произвольные постоянные (постоянные интегрирования), каждый частный набор которых дает частное решение. Таким образом, Д.у. сами по себе, без наложенных дополнительных ограничений, описывают целые классы функций. Если речь идет об обыкновенном уравнении n-го порядка (т.е. об уравнении, содержащем производную n-го порядка), то решение содержит ровно n произвольных постоянных. Для того чтобы выделить из этого класса единственное решение, обычно необходимо задать n дополнительных ограничений на функцию. Например, Д.у. позволяют определять поведение решения всюду, где оно существует, если заданы начальные условия, т.е. значения функции и ее производных в начальной точке. В огромном числе случаев законы природы и общества, управляющие теми или иными процессами, могут быть выражены в форме Д.у., а расчет течения этих процессов сводится к решению таких уравнений.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• differential equations

миграция на основе решения волнового уравнения
Продолжение сейсмического волнового поля вниз посредством численного решения волнового уравнения
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]

Тематики

• нефтегазовая промышленность

EN

• wave equation migration

устройство для решения модифицированного уравнения с использованием сопряжённых градиентов
(напр. уравнения Пуассона для разработки моделей короны в электрофильтре)
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

EN

• modified conjugate gradient solver
• MCGS

время в экономической системе
Фактор времени — компонент любой динамической экономико-математической модели. В учете фактора времени особое значение имеют соизмерение затрат и результатов, относящихся к разным периодам (см. Дисконтирование), лаги запаздывания эффектов по отношению к воздействиям, вызвавшим эти эффекты. Основная единица времени в экономических расчетах — год, но бывают модели с квартальным, месячным, суточным шагом. Это относится главным образом к моделям, которые предназначены для решения практических задач, их называют моделями с «дискретным (прерывным) временем». В теоретических же исследованиях часто используются модели с «непрерывным временем» (их переменные изменяются непрерывно, без «скачков» от года к году или деления на другие периоды). Впрочем, нередко и практические задачи решаются «в непрерывном времени». При этом недостающие значения, соответствующие моментам времени между известными моментами (например, началом и концом года), находят с помощью интерполирования. Математический аппарат для решения задач с дискретным и непрерывным временем различен. Для описания процессов развития в первом случае применяются разностные уравнения, во втором случае — дифференциальные уравнения. Обозначения. В дискретном анализе последовательные интервалы времени принято обозначать буквами t или q, например, t = 1, 2, …, n. Соответствующие значения переменных модели — подстрочными (или надстрочными) индексами; например, капиталовложения в году t обозначим Kt, в предшествующем году — Kt-1, в последующем Kt+1, и т.д. Функцией времени называется функция, которая отображает изменение экономического показателя (см. Переменная модели) в зависимости от времени — как аргумента. Следовательно, (в случае непрерывного анализа) скорость изменения показателя равна производной по времени, например, где V(c - скорость изменения себестоимости продукции c; t — время. См. также Временное предпочтение, Временной ряд, Долгосрочный период, Краткосрочный период, Лаг.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• time in economic system