последовательности вычислений

ограничивающая схема, ограничительная схема — circuito limitatore [tosatore]

схема с одним устойчивым состоянием — circuito monostabile

фазоинверсная схема, фазоинвертирующая схема — circuito invertitore di fase

алгоритмическая сеть
Система взаимоувязанных формул расчета данных в автоматизированной системе управления. А. с. часто применяется для расчета тех показателей, которые не вычисляются непосредственно путем решения задачи( например, плановой). Так, в результате оптимизационного расчета производственной мощности предприятия могут быть получены задания по объему продукции по годам планового периода. Исходя из них с помощью А.с. рассчитываются соответствующие показатели по себестоимости продукции, потребности в рабочей силе и т. п. Формулы А.с. записываются в такой последовательности, чтобы для вычислений использовалась либо исходная информация (содержащаяся в исходных массивах данных), либо промежуточная информация, являющаяся результатом вычислений по предыдущим формулам. Это гарантирует идентичность одноименных показателей в разных разделах плана, взаимную согласованность всего комплекса плановых показателей.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• algorithmic network

динамическое программирование
—
[Е.С.Алексеев, А.А.Мячев. Англо-русский толковый словарь по системотехнике ЭВМ. Москва 1993]

динамическое программирование
Раздел математического программирования, совокупность приемов, позволяющих находить оптимальные решения, основанные на вычислении последствий каждого решения и выработке оптимальной стратегии для последующих решений. Процессы принятия решений, которые строятся по такому принципу, называются многошаговыми процессами. Математически оптимизационная задача строится в Д. п. с помощью таких соотношений, которые последовательно связаны между собой: например, полученный результат для одного года вводится в уравнение для следующего (или, наоборот, для предыдущего), и т.д. Таким образом, можно получить на вычислительной машине результаты решения задачи для любого избранного момента времени и «следовать» дальше. Д.п. применяется не обязательно для задач, связанных с течением времени. Многошаговым может быть и процесс решения вполне «статической» задачи. Таковы, например, некоторые задачи распределения ресурсов. Общим для задач Д.п. является то, что переменные в модели рассматриваются не вместе, а последовательно, одна за другой. Иными словами, строится такая вычислительная схема, когда вместо одной задачи со многими переменными строится много задач с малым числом (обычно даже одной) переменных в каждой. Это значительно сокращает объем вычислений. Однако такое преимущество достигается лишь при двух условиях: когда критерий оптимальности аддитивен, т.е. общее оптимальное решение является суммой оптимальных решений каждого шага, и когда будущие результаты не зависят от предыстории того состояния системы, при котором принимается решение. Все это вытекает из принципа оптимальности Беллмана (см. Беллмана принцип оптимальности), лежащего в основе теории Д.п. Из него же вытекает основной прием — нахождение правил доминирования, на основе которых на каждом шаге производится сравнение вариантов будущего развития и заблаговременное отсеивание заведомо бесперспективных вариантов. Когда эти правила обращаются в формулы, однозначно определяющие элементы последовательности один за другим, их называют разрешающими правилами. Процесс решения при этом складывается из двух этапов. На первом он ведется «с конца»: для каждого из различных предположений о том, чем кончился предпоследний шаг, находится условное оптимальное управление на последнем шаге, т.е. управление, которое надо применить, если предпоследний шаг закончился определенным образом. Такая процедура проводится до самого начала, а затем — второй раз — выполняется от начала к концу, в результате чего находятся уже не условные, а действительно оптимальные шаговые управления на всех шагах операции (см. пример в статье Дерево решений). Несмотря на выигрыш в сокращении вычислений при использовании подобных методов по сравнению с простым перебором возможных вариантов, их объем остается очень большим. Поэтому размерность практических задач Д.п. всегда незначительна, что ограничивает его применение. Можно выделить два наиболее общих класса задач, к которым в принципе мог бы быть применим этот метод, если бы не «проклятие размерности». (На самом деле на таких задачах, взятых в крайне упрощенном виде, пока удается лишь демонстрировать общие основы метода и анализировать экономико-математические модели). Первый — задачи планирования деятельности экономического объекта (предприятия, отрасли и т.п.) с учетом изменения потребности в производимой продукции во времени. Второй класс задач — оптимальное распределение ресурсов между различными направлениями во времени. Сюда можно отнести, в частности, такую интересную задачу: как распределить урожай зерна каждого года на питание и на семена, чтобы в сумме за ряд лет получить наибольшее количество хлеба?
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• dynamic programming
• DP

итеративные методы решения оптимизационных задач
Заключаются в том, что вычислительный процесс начинают с некоторого пробного (произвольного) допустимого решения, а затем применяют алгоритм, обеспечивающий последовательное улучшение этого решения. Процесс таких проб продолжается до тех пор, пока не станет ясно, что либо дальнейшее улучшение решения невозможно (достигнут оптимум, причем во многих случаях требуется дополнительно проверить — локальный или глобальный), либо дальнейшие вычисления нецелесообразны, поскольку возможное улучшение результата не окупит дополнительных затрат. (В последнем случае для определения момента окончания вычислений используется прием, называемый методом Лас Вегаса). Алгоритмы, применяемые при этом («итеративные алгоритмы методов последовательного улучшения плана”), можно подразделить на три класса: 1) при которых известно, что на каждой итерации решение улучшается, причем число таких итераций для достижения оптимума конечно; 2) при которых также каждая итерация улучшает решение, но оптимум достигается лишь как предел бесконечной последовательности решений (бесконечного вычислительного процесса); 3) алгоритмы, основанные на методе проб и ошибок, обеспечивают улучшение решения в целом, но не на отдельной итерации. Примеры практического применения итерационных методов см. в статьях Базисное решение, Симплексный метод
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• iterative methods for optimal solutions