110 Имитационные оценки тренда и дисперсии X a k=0.1/k C k=2/k° 1 К Рис. 3.14. 1) при далеких от экстремума начальных состояниях значение параметра ап лучше брать большим, а при близких малым. При этом величина дисперсии оценки функционала практически не влияет на оптимальное значение ап; 2) увеличение нормы квадратичной функции А приводит к уменьшению оптимальных значений параметров ап и Сп■Увеличение как нормы, так и дисперсии оценки уменьшает влияние начального отклонения от экстремума на выбор значений параметров а0 и сп\ 3) при вариациях дисперсии оценки функционала получен следующий результат: увеличение СКО оценки У в 10 раз привело к увеличению СКО оценки параметра X в 3 раза. Таким образом, дисперсия оценки функционала слабо влияет на сходимость алгоритма. Если значения коэффициентов а^ и с^ зафиксировать и сделать постоянными, то получим управляющий алгоритм с постоянным шагом, который реализует некоторый процесс бесконечного блуждания в |
1)при далеких от экстремума начальных состояниях значение параметра ао лучше брать большим, а при близких малым. При этом величина дисперсии оценки функционала практически не влияет на оптимальное значение а0 ; 2)увеличение нормы, квадратичной функции А приводит к уменьшению оптимальных значений параметров ао и со. Увеличение как нормы, так и дисперсии оценки уменьшает влияние начального отклонения от экстремума на выбор значений параметров а0и с0; 3)при вариациях дисперсии оценки функционала получен следующий результат: увеличение СКО оценки Y в 10 раз привело к увеличению СКО оценки параметра X в 3 раза. Таким образом, дисперсия оценки функционала слабо влияет на сходимость алгоритма. Анализ поведения алгоритма при постоянной длине шага Если значения коэффициентов и ск зафиксировать и сделать постоянными, то получим управляющий алгоритм с постоянным шагом, который реализует некоторый процесс бесконечного блуждания в пространстве управляемых параметров. Анализ проводился методом имитационного моделирования. В таблице 4.2. приведены значения параметров алгоритма в одном из экспериментов. Размерность пространства управляемых параметров равна 4, количество повторных реализаций 400. Таблица 4.2. ЗНАЧЕНИЯ УПРАВЛЯЕМЫХ ПАРАМЕТРОВ 254 1А СТУ 0x0 К а с 9 1 3 500 0.3 0.3 В таблице: [А норма матрицы А; аудисперсия оценки функционала; |