оптимального.
Якщо одна з функцій нелінійна, то симплекс-метод непридатний, і залишається два традиційних шляхи вирішення цього завдання:
Перший шлях - використовувати метод градієнтного спуску для пошуку максимуму прибутку. У даному випадку область визначення функції прибутку має складну форму, а сама функція - кілька локальних максимумів, тому градієнтний метод може привести до неоптимальної рішенням. p> Другий шлях - провести повний перебір варіантів інвестування. Якщо кожна з 10 функцій задана в 100 точках, то доведеться перевірити близько 1020 варіантів, що потребуватиме не менше декількох місяців роботи сучасного комп'ютера. p> Через описаних вище недоліків традиційних методик в останні 10 років йде активний розвиток аналітичних систем нового типу. В їх основі - технології штучного інтелекту, що імітують природні процеси, такі як діяльність нейронів мозку або процес природного відбору. p> Найбільш популярними і перевіреними з цих технологій є нейронні мережі та генетичні алгоритми. Перші комерційні реалізації на їх основі з'явилися в 80-х роках і отримали широке поширення в розвинених країнах. p> Теорія алгоритмів. Завдання комівояжера. p> У Нині теорія алгоритмів розвивається, головним чином, за трьома напрямками.
Класична теорія алгоритмів вивчає проблеми формулювання завдань в термінах формальних мов, вводить поняття завдання дозволу, проводить класифікацію завдань з класам складності P, NP і іншим.
Теорія асимптотичного аналізу алгоритмів розглядає методи отримання асимптотичних оцінок ресурсоємності або часу виконання алгоритмів, в Зокрема, для рекурсивних алгоритмів. Асимптотичний аналіз дозволяє оцінити зростання потреби алгоритму в ресурсах (наприклад, часу виконання) з збільшенням обсягу вхідних даних.
Теорія практичного аналізу обчислювальних алгоритмів вирішує завдання отримання явних функції трудомісткості, інтервального аналізу функцій, пошуку практичних критеріїв якості алгоритмів, розробки методики вибору раціональних алгоритмів.
У рамках класичної теорії здійснюється класифікація завдань за класами складності (P-складні, NP-складні, експоненціально складні та ін.) p> До класу P належать завдання, які можуть бути вирішені за час, полиномиально залежне від обсягу вихідних даних, за допомогою детермінованої обчислювальної машини (наприклад, машини Тьюринга). p> До класу NP - завдання, які можуть бути вирішені за полиномиально виражене час за допомогою недетермінованої обчислювальної машини, тобто машини, наступне стан якої не завжди однозначно визначається попередніми. Роботу такої машини можна представити як розгалужується на кожній неоднозначності процес: завдання вважається вирішеною, якщо хоча б одна гілка процесу прийшла до відповіді. p> Інше визначення класу NP: класом NP (від англ. non-deterministic polynomial) називають безліч алгоритмів, час роботи яких сильно залежить від розміру вхідних даних, але якщо надати алгоритмом деякі додаткові відо...
