|
Алгоритма оптимизации
Этап связан с разработкой концепций ИС, созданием организационной и функциональной структуры управления, разработкой архитектуры ИС. На этом этапе проектируется структура БД, выполняется конфигурирование вычислительной сети ИС. Для приложений определяются требования к информационным технологиям, разрабатываются алгоритмы обработки данных, формализованные постановки задач, осуществляется выбор программных средств базового и прикладного назначения ИС.
Q диаграммы потоков данных — DFD (Data Flow Diagrams). Они обеспечивают спецификацию внешних устройств (источников или приемников информации), систем/подсистем, процессов (функций системы), потоков входной и выходной информации, накопителей данных (БД). Используется иерархия взаимосвязанных диаграмм потоков данных, что позволяет последовательно детализировать и описывать алгоритмы обработки данных с помощью таблиц решений, языков программирования, блок-схем алгоритмов;
Q Внешний уровень обеспечивает интерфейс с приложениями КИС, настройку системы (шаблоны хранимых данных, пользовательские реквизиты, формы входной и выходной информации, алгоритмы обработки данных и др.).
ляют возможности представления логической структуры БД, а также алгоритмы обработки данных.
В роли такого постановщика задач выступает бухгалтерское законодательство. Оно досконально регламентирует систему бухгалтерской записи (т.е. алгоритмы обработки исходной информации — операционные данные), не подозревая, что система эта устарела несколько веков назад и что регламентировать достаточно результат. Регламентация приводит к известным методологическим недочетам и несоответствиям, которым все бухгалтеры, тем не менее, обязаны строго следовать, поскольку это закреплено законодательно.
Методическое обеспечение (МтО) АИС-БУ — это совокупность законодательных, нормативных актов и инструкций по бухгалтерскому учету, налогообложению и другим областям знаний, обеспечивающих юридическую поддержку принятия решений, а также позволяющих разработать алгоритмы обработки учетной информации.
Системы с замкнутой функционально cm ью. К ним относятся программные средства с возможностью внесения изменений только самим разработчиком. В таких системах реализована определенная методология ведения компьютерного учета, изменение которой конечным пользователем невозможно. Заранее определены состав форм ввода данных, алгоритмы обработки информации, номенклатура, состав показателей и формы представления выходной информации. Изменение поведения таких систем, если и можно выполнить, то только в очень ограниченных пределах. Применяя их, пользователь должен удовлетвориться теми возможностями, которые в них изначально заложены разработчиком. Всякое развитие и изменение функциональности может быть проведено только при непосредственном участии разработчика.
63 В 1997 г. использовались база данных и простейшие алгоритмы обработки из пакета SAOF. Описание таких алгоритмов дано в кн.: Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. - М.: Инфра-М, 1994.
Отсутствие глобального плана вычислений в нейросетях предполагает и особый характер их программирования. Оно также носит локальный характер: каждый нейрон изменяет свои "подгоночные параметры" - синаптические веса - в соответствии с поступающей к нему локальной информацией об эффективности работы всей сети как целого. Режим распространения такой информации по сети и соответствующей ей адаптации нейронов носит характер обучения. Такой способ программирования позволяет эффективно учесть специфику требуемого от сети способа обработки данных, ибо алгоритм не задается заранее, а порождается самими данными - примерами, на которых сеть обучается. Именно таким образом в процессе самообучения биологические нейросети выработали столь эффективные алгоритмы обработки сенсорной информации.
Алгоритмы обработки бинарных
• результаты планирования и проектирования информационных ресурсов: назначение, содержание и структуры баз данных (БД) автономного и общего пользования, топология информационных потоков, алгоритмы обработки информационных потоков и анализа результатов, формы и объемы первичной входной информации и выходных данных (таблицы, графики, диаграммы);
Описание: алгоритма оптимизации сетевых моделей по минимуму затрат на передислокацию строительно-монтажных подразделений по 'блокам рис. 41 *
При оптимизации от базисного варианта I рассмотрено всего 10 вариантов решения сетевой модели и 0,58$ всех возможных ее решений. При оптимизации от базисного варианта П рассмотрено 8 вариантов или 0,46$ возможных решений сетевой модели. Приведенные данные свидетельствуют о достаточно высокой эффективности предлагаемого алгоритма оптимизации сетевых моделей.
Хотя обсуждение было в основном посвящено максимизации функции пригодности, все вышесказанное применимо и к минимизации расходов. Любая техника максимизации может быть применена для минимизации, и наоборот: умножьте функцию пригодности на — 1 для получения эквивалентной функции расходов; умножьте функцию расходов на - 1, и получится функция пригодности. Если вам нравится алгоритм минимизации, но нужно применять максимизацию; можно использовать этот фокус вместо перекодировки алгоритма оптимизации.
Следующая задача— найти параметры (веса) модели. Это делается с помощью алгоритма оптимизации (обучения). Известно несколько таких алгоритмов, в частности, методы обратного распространения и «замораживания». Этот этап может занять продолжительное время и потребует большой технической работы (установка начальных значений весов, выбор критерия остановки и др.), однако в конце его мы получим некоторую разумную совокупность весов. Нужно следить за тем, чтобы сеть не запоминала шумы, присутствующие во временных рядах (переобучение). Для этого на протяжении всего процесса оптимизации следует проверять, согласуется ли работа модели на обучающем множестве с соответствующими результатами на подтверждающем множестве.
3. Формализация алгоритма оптимизации
Описание алгоритма оптимизации сетевых моделей по минимуму затрат на передислокацию строительно-монтажных подразделений по блокам:
Познакомившись с принципом работы реализованного разработчиками Project алгоритма оптимизации загрузки ресурсов, рассмотрим алгоритм 4.9, при помощи которого можно средствами Project выравнивать загрузку ресурсов.
Так как УКУ-решения, полученные на первом этапе алгоритма оптимизации методом УКУ, используются только для формирования начальных приближений для дальнейшей оптимизации, то возможен выбор достаточно большого значения шага (малой густоты) сети /. При этом имеет место увеличение быстродействия алгоритма.
В соответствии с полученными результатами общая структура этапа 2 алгоритма оптимизации управлений на основе объединения модифицированных достаточных условий ЛУКУ (МДУ ЛУКУ) и метода моментов Н.Н. Красовского можно представить итерационным процессом, основой которого являются следующие шесть шагов:
Получение точного УКУ-решения на основе МДУ локального УКУ и метода моментов Н.Н. Красовского. В соответствии с шагами 1 и 2 алгоритма второго этапа алгоритма оптимизации приводим исходную постановку задачи к виду (1.113)-(1.118).
Получение УКУ-решений на основе ^-оптимизации. Для получения точных УКУ-решений воспользуемся процедурой Q-оптимизации программной системы МОМДИС [108]. Для реализации этапа 2 алгоритма оптимизации на основе УКУ в процедуру вычисления необходимо внести изменения.
• все указанные продукты являются расчетными моделями, не представляя ни одного алгоритма оптимизации. Однако в различных случаях возможно решение задачи, например, линейного программирования; при этом один из финансовых показателей — целевая функция, а на остальные заданы ограничения;
Аналитические инструменты Аналитические процедуры Аналитических группировок Аналитических признаков Аналитических возможностей Аналитической информацией Аналитическое выражение Абсолютно ликвидным Аналитического выравнивания Аналитики предпочитают Анализировать финансовое Анализировать различные Анализируя структуру вывоз мусора снос зданий
|
|
|
|
Навигация
