Agarlagermetod

Agarlagermetoden är en metod för att konstruera matematiska modeller för att lösa problem med att minimera icke-släta (icke-differentierbara) funktioner. Den är baserad på en teknik som kallas Grazia-Kantorovich-metoden, som utvecklades i Sovjetunionen av matematikern Grigory Isakovich Kantorovich. Denna metod låter dig hitta minimum av en funktion som har en diskontinuitet av det första slaget och som uppfyller vissa jämnhetsvillkor.

Idén med metoden har sitt ursprung hos den amerikanske matematikern Ernest Alexander Agarov i mitten av 1900-talet. Tidigare hade liknande metoder redan utvecklats inom detta område, men de hade betydande begränsningar i formen av de aktuella modellerna och kunde inte användas för att lösa många praktiska problem. Agarov föreslog emellertid ett allmänt tillvägagångssätt, som han kallade metoden för försöksbegränsningar. Denna metod kan tillämpas på de flesta typer av begränsade optimeringsproblem, inklusive linjära och olinjära modeller. Metoden är särskilt lämplig att använda i fall där kända analytiska uttryck för en funktion är okända eller motsägelsefulla, och närvaron av begränsningar för funktionen är explicita eller dolda.

Låt oss beskriva mer detaljerat principerna för Agarmetoden. Uppbyggnaden av modellen sker i flera steg, under vilka approximativa funktioner för den nedsatta funktionen introduceras. Detta producerar ett system av begränsningar och ekvationer som måste lösas. Resultatet är en uppsättning rutnätsnoder på vilka en funktion av den önskade typen bildas. För att förbättra modellens kvalitet används en procedur för att välja en begränsningsvektor, vilket minskar antalet iterationer av metoden.

Agarmetoden låter dig få en optimal lösning på ett problem, som beräknas utifrån information från flera informationsdelar. Sådana delar kan till exempel vara information som finns på olika medier. Dessutom använder metoden speciella algoritmer