113 Таблица 3.5. З Н А Ч Е Н И Я П А Р А М Е Т Р О В Этап IIА t f v <7x0 К <о> а «о ар с :и> с0 ср 1 9 1 3 20 0.1 0.3 2 9 1 30 1 0.8 1 0.3 3 9 1 50 0.2 0.8 0,5 0.25 Первый этап соответствует алгоритму с постоянным шагом, второй и третий сходящимся алгоритмам. В таблице: ]А норма матрицы А; студисперсия оценки функционала; стходисперсия выбора начального значения управляемого параметра; К число шагов алгоритмов; я<0> , с<0>значения коэффициентов а и с в алгоритме с постоянным шагом; ац , Со начальные значения коэффициентов а и с в сходящихся алгоритмах. На рис.3.16. приведены траектории процесса для каждого из управляемых параметров в четырехмерном случае. Сравнение сходимости однои многоэтапных алгоритмов показало существенную эффективность последних. Так, в эксперименте при классической стохастической аппроксимации на 1000 шагах получили те же конечные значения управляемого параметра, что и на 200 шагах в трехэтапном алгоритме. |
а<0> , с'" значения коэффициентов а и с в алгоритме с постоянным шагом; ао , Со начальные значения коэффициентов а и с в сходящихся алгоритмах. На рис.4.17, приведены траектории процесса для каждого из управляемых параметров в четырехмерном случае. Покоординатные тренды управляемого параметра в трехэтапном алгоритме к Рис. 4.17. Сравнение сходимости однои многоэтапных алгоритмов показало существенную эффективность последних. Так, в эксперименте при классической стохастической аппроксимации на 1000 шагах получили те же конечные значения управляемого параметра, что и на 200 шагах в трехэтапном алгоритме. 4.2.3. Управляемый имитационный процесс в условиях нестационарности До сих пор рассматривалось поведение алгоритма управления в предположении, что основной процесс стационарен. Однако, как показано в |