Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 620235)
Контекстум
Известия высших учебных заведений. Поволжский регион. Физико-математические науки  / №1 2008

Метод локализации минимума функций многих переменных сведением их к функциям одной переменной (90,00 руб.)

0   0
Первый авторБойков
АвторыКучумов Е.В.
ИздательствоМ.: ПРОМЕДИА
Страниц6
ID269760
АннотацияПредложено несколько численных алгоритмов минимизации функций нескольких переменных. При построении этих алгоритмов используются различные виды разверток. Даны численные примеры.
УДК517.9
ББК22.161.6
Бойков, И.В. Метод локализации минимума функций многих переменных сведением их к функциям одной переменной / И.В. Бойков, Е.В. Кучумов // Известия высших учебных заведений. Поволжский регион. Физико-математические науки .— 2008 .— №1 .— С. 2-7 .— URL: https://rucont.ru/efd/269760 (дата обращения: 22.10.2025)

Предпросмотр (выдержки из произведения)

И. В. Бойков, Е. В. Кучумов МЕТОД ЛОКАЛИЗАЦИИ МИНИМУМА ФУНКЦИЙ МНОГИХ ПЕРЕМЕННЫХ СВЕДЕНИЕМ ИХ К ФУНКЦИЯМ ОДНОЙ ПЕРЕМЕННОЙ Предложено несколько численных алгоритмов минимизации функций нескольких переменных. <...> При построении этих алгоритмов используются различные виды разверток. <...> Введение Проблеме нахождения экстремальных значений функций одной и многих переменных посвящено немало работ, в которых изложены различные теоретические и прикладные аспекты этой проблемы. <...> Остановимся на вопросе приближенного нахождения экстремальных значений функций в предположении, что a-priori известно функциональное множество, к которому принадлежит исследуемая функция. <...> Для функций одной переменной, принадлежащих классу Гельдера H α ( A) с коэффициентом A и показателем α , построены алгоритмы нахождения экстремальных точек, как в случае, когда константа A известна, так и в случае, когда она неизвестна [3]. <...> В данной работе предложен метод нахождения экстремальных значений функций многих переменных, основанный на аппроксимации последних с помощью гладких функций одной переменной. <...> К полученным в результате такой аппроксимации функциям одной переменной применяются известные алгоритмы поиска экстремальных значений. <...> Покажем, что минимум функции f ( p1t , p2t ) при 0 ≤ t ≤ 2π с высокой степенью точности аппроксимирует минимум функции f ( x1 , x2 ) в D . <...> (1) Не ограничивая общности, можно считать, что функция f ( x1 , x2 ) в области D имеет единственный минимум в точке ( x1∗ , x2∗ ) . <...> Обозначим через ρ величину π p1 − p2 p2 , а через Ω – множество точек t , для которых выполняется неравенство t − t ∗ < ρ . <...> Очевидно, что минимальное значение f ( x1∗ , x2∗ ) функции меньше или равно ϕ(t ∗ ) . <...> Зафиксируем значение t такое, что точка ( p1t , p2 t ) удовле- творяет следующим условиям: p2 t = x2∗ , а значение p1t реализует минимум p1t − x1∗ . <...> Укажем способ локализации наименьшего значения функции f ( x1 , x2 ) . <...> Очевидно, точка ( x1∗ , x2∗ ) лежит в пересечении окрестностей Ω1 и Ω2 , что позволяет <...>