Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения

Abstract

Предложено определять размерность вероятностной опорной функции статистических алгоритмов МГУА с помощью внешнего дополнения. Приведен алгоритм реализации описанной методики. Указаны типы задач, для которых новый алгоритм наиболее эффективен. Получен сравнительный результат оценки точности алгоритма на примере решения актуальной практической задачи.

It is suggests to define the dimension of a probabilistic reference function in stochastic GDMN algorithms with the help of the external compliment. The algorithm of implementing the described technique is presented. The types of problems for which a new algorithm is the most efficient are indicated. A comparative accuracy estimation of the algorithm is obtained on the example of solving the actual practical problem.

Запропоновано визначати розмірність імовірнісної опорної функції статистичних алгоритмів МГУА за допомогою зовнішнього доповнення. Наведено алгоритм реалізації описаної методики. Вказано типи задач, для яких новий алгоритм є найбільш ефективним. Отримано порівняльний результат оцінки точності алгоритму на прикладі розв'язання актуальної практичної задачі.