Optimization of structural dynamics of the economy in the framework of the input-output methodology
В настоящей работе выбраны межотраслевые инерционности и предложен метод, который на шаге поиска использует вектор параметров произвольной (допускаемой самой моделью) длины. Это отличает предлагаемый метод от существующих, делая его уникальным. Указанная уникальность заключается в снятии так называе...
保存先:
| 主要な著者: | , , , |
|---|---|
| フォーマット: | Статья |
| 言語: | Russian |
| 出版事項: |
2024
|
| 主題: | |
| オンライン･アクセス: | https://dspace.ncfu.ru/handle/20.500.12258/26715 |
| タグ: |
タグ追加
タグなし, このレコードへの初めてのタグを付けませんか!
|
| 要約: | В настоящей работе выбраны межотраслевые инерционности и предложен метод, который на шаге поиска использует вектор параметров произвольной (допускаемой самой моделью) длины. Это отличает предлагаемый метод от существующих, делая его уникальным. Указанная уникальность заключается в снятии так называемого «проклятия размерности», присущего классическим задачам оптимизации (численного поиска) с применением методов от покоординатного спуска до богатых инструментов ньютоновского типа. В этом смысле метод является конкурентом оптимизации на основе машинного обучения искусственных нейронных сетей. При этом не важно, как именно формализована задача: в ней должны быть выделены целевые показатели и вектор варьируемых параметров. Можно поставить и решить массу оптимизационных задач, изменяя содержание вектора варьируемых параметров по соответствующему плану вычислительного эксперимента. В работе же представлен только один пример и один шаг оптимизации. Ограничивающим и функциональным условием работы метода является сохранение линейной зависимости между желаемыми приращениями вещественных частей собственных значений матрицы состояния модели и их чувствительностей к параметрам управления. Такие «малые» шаги оптимизации представляют собой самостоятельные задачи, численное решение которых можно повторять. |
|---|