Вероятностные модели для анализа обратных экстремальных задач комбинаторики

Обложка
  • Авторы: Энатская Н.Ю.1
  • Учреждения:
    1. Национальный исследовательский университет «Высшая школа экономики», Московский институт электроники и математики им. А. Н. Тихонова
  • Выпуск: Том 26, № 3 (2022)
  • Страницы: 571-591
  • Раздел: Математическое моделирование, численные методы и комплексы программ
  • URL: https://journal-vniispk.ru/1991-8615/article/view/108999
  • DOI: https://doi.org/10.14498/vsgtu1947
  • ID: 108999

Цитировать

Полный текст

Аннотация

В обратной экстремальной задаче для комбинаторной схемы при заданном значении целевой функции вида определенного экстремального значения ее характеристики строится вероятностная модель, обеспечивающая получения этого значения в ее исходах. Рассматривается два типа таких характеристик, относящихся к каждому или совокупности исходов схемы.

Доасимптотический анализ такой модели проводится авторским перечислительным методом. Его основу составляет построение итерационного случайного процесса с итерациями последовательных этапов нумерованного бесповторного перечисления и формирования исходов схемы. Итерационное развитие процесса представляется вероятностным графом.

Исследование исходов схемы по модели в перечислительном методе проводится по следующим направлениям: визуального нумерованного представления исходов схемы, нахождения их числа, установления взаимно-однозначного соответствия между видами и номерами исходов схемы, получения их (управляемого случайным процессом перечисления исходов схемы) вероятностного распределения и их моделирования с этим распределением.

Наряду с непосредственным исследованием схем по указанным направлениям предлагаются алгоритмы получения результатов для них путем их частичного пересчета из результатов аналогичного анализа более общих, ранее изученных схем с меньшими ограничениями на значения рассматриваемых характеристик.

Об авторах

Наталия Юрьевна Энатская

Национальный исследовательский университет «Высшая школа экономики», Московский институт электроники и математики им. А. Н. Тихонова

Автор, ответственный за переписку.
Email: nat1943@mail.ru
ORCID iD: 0000-0003-1241-7543
SPIN-код: 9706-9900
Scopus Author ID: 6504731611
ResearcherId: L-6102-2015
http://www.mathnet.ru/person28100

кандидат физико-математических наук, доцент; доцент; деп. прикладной математики

Россия, Россия, 123458, Москва, ул. Таллинская, 34

Список литературы

  1. Афанасьев М. Ю., Суворов Б. П. Исследование операций в экономике. Модели, задачи, решения. М.: ИНФРА-М, 2003. 202 с.
  2. Баранов В. И., Стечкин Б. С. Экстремальные комбинаторные задачи и их приложения. М.: Физматлит, 2004. 240 с. EDN: RXGTQD.
  3. Колчин В. Ф. О предельном поведении крайних членов вариационного ряда в полиномиальной схеме // Теория вероятн. и ее примен., 1969. Т. 14, № 3. С. 476–487.
  4. Хакимуллин Е. Р. О предельном поведении максимального заполнения в равновероятной схеме размещения частиц комплектами // Матем. заметки, 1981. Т. 30, № 2. С. 277–289.
  5. Викторова И. И. Об асимптотическом поведении максимума в равновероятной полиномиальной схеме // Матем. заметки, 1969. Т. 5, № 3. С. 305–316.
  6. Энатская Н. Ю. Вероятностные модели комбинаторных схем // Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование, 2020. Т. 13, № 3. С. 103–111. EDN: DKMIUC. DOI: https://doi.org/10.14529/mmp200312.
  7. Энатская Н. Ю. Анализ комбинаторных схем в доасимптотической области изменения параметров // Труды Карельского научного центра РАН, 2018. No 7. С. 117–133. EDN: XRQZZR. DOI: https://doi.org/10.17076/mat750.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Авторский коллектив; Самарский государственный технический университет (составление, дизайн, макет), 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».