2006(â1)
2006(â1)
2006(â1)
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
В состав модели входят элементы, отвечающие<br />
за приведение размерностей аппроксимируемых<br />
множеств на каждой итерации<br />
1, общее решение избыточной системы<br />
линейных уравнений 2, вычисления текущего<br />
значения ошибки представления 8,<br />
выводы коэффициентов модели 4 и ошибки<br />
9, задание начального приближения 5, расчет обратной функции от полинома 6, рандомизированное<br />
перемешивание элементов множества 7, решение полиномиальных уравнений методом<br />
секущих с применением приема Гаврика для поиска наиболее точного решения 3.<br />
Хэширование элементов кодируемого множества, состоящее в рандомизированном<br />
перемешивании его элементов, введено с целью автоматизации и универсализации алгоритма<br />
и позволяет во многих случаях находить наилучшее решение при полимодальном характере<br />
функции ошибки. Проведенные тесты показали, что снижение скорости сходимости<br />
за счет введения хэширования является приемлемым, в особенности при его применении<br />
только на начальных итерациях с последующим отключением на основании многопорогового<br />
алгоритма. Необходимость приведения размерностей векторов корней полиномиальных<br />
уравнений и элементов исходного множества обусловлена различным количеством решений<br />
указанных уравнений для разных элементов аппроксимируемого множества. Ядром<br />
алгоритма является общее решение избыточной системы линейных уравнений, реализованное<br />
методом наименьших квадратов с применением алгоритма матричного псевдообращения<br />
Мура–Пенроуза. С целью уменьшения эффекта накопления ошибки в ходе итерационного<br />
процесса использован прием выделения главного элемента [7].<br />
Для рассматриваемой алгоритмической реализации ошибка оценивалась в соответствии<br />
с ранее приведенными рекомендациями как средний квадрат отклонения аппроксимирующей<br />
функции. Был установлен характерный вид тренда ошибки (рис. 2), связанный<br />
со спецификой применяемых алгоритмических подходов. Тренд может быть условно разделен<br />
на 4 фрагмента, для каждого из которых предлагается индивидуально исследовать возможности<br />
дальнейшего повышения эффективности с целью адаптации универсальной модели<br />
к требованиям той или иной практической задачи. На первом этапе (рис. 2, 1) в условиях<br />
высокой скорости сходимости алгоритма невозможно выделить осцилляции функции<br />
ошибки, связанные с применением хэширования элементов кодируемого множества. На<br />
втором этапе (рис. 2, 2) с учетом снижения скорости сходимости осцилляции выделяются,<br />
однако процедура хэширования продолжает<br />
применяться, что актуально в условиях полимодального<br />
характера функции ошибки. 1 2 3 4<br />
На третьем этапе (рис. 2, 3) хэширование<br />
отключается с использованием многопорогового<br />
алгоритма, учитывающего значения<br />
абсолютной ошибки на данной итерации,<br />
скорости изменения ошибки и относительных<br />
межитерационных флуктуаций целевых<br />
Рис. 2<br />
1<br />
2<br />
5 6 7 8 9<br />
Рис. 1<br />
3<br />
4<br />
11