Luați în considerare două provocări care apar în proiectarea rețelelor de comunicații.
Problema 1. Proiectarea canalului de date cu feedback-ul de decizie. Nodul A trimite informații Pachete Nod B. Nodul B verifică corectitudinea fiecărui pachet primit și cu dreapta sau nodul de recepție greșit trimite A. respectiv, primirea pozitivă sau negativă. La primirea nodul A trimite confirmă de următorul pachet, atunci când primesc negativ - retransmite pachetul anterior. Fiecare pachet este format dintr-o porțiune a simbolurilor de informație de lungime k și paritate, simboluri r lungi. Eficiența canalului de date (FDC) este estimată din rata de transmisie relativă R - coeficient echivalent transfer de date utile a canalului, R = f (k). De fapt, în cazul în care k = 0; Nu există informații în pachet și conține doar o parte de paritate, atunci R = 0. Cu creșterea k va crește și R. Cu toate acestea, în cazul în care k excesiv de mari, pachetele sunt de mare lungime și, cu o probabilitate de mesaje de distorsiune în eficiență diferită de zero, va fi de multe ori erori afectate, și, în consecință, în mod frecvent repetate. Astfel, atunci când se trece de la 0 la k ¥ relația R = f (k) va avea forma prezentată în figura 1.
Dorința naturală este de a găsi o valoare k. în care R (k) atinge un maxim.
2. Problema Problema fiabilității maxime a informațiilor transmise la o lungime predeterminată pachet.
Lăsați lungimea pachetului este n = k + r = const. Evident, k și r poate varia de la 0 la n. Lungimea totală a pachetului nu ar trebui să fie diferit de n. Fiabilitatea este determinată probabilitatea Posh de eroare nedetectate. dependența Posh de raportul r / k este dată de
Necesar pentru a găsi o relație între r și k. în care distorsiunea canalului de transmisie a datelor este probabilitatea minimă a pachetului P * err = min P (r / k).
Este evident că sarcinile 1 și 2 - găsi problema extremum a unei funcții în zona predeterminată se schimbă un argument (zona de studiu) sa.
Dezvoltarea metodelor de căutare, încercând să găsească un extremum cât mai repede posibil, ceea ce face cât mai puține încercări posibil. În viitor, ia în considerare metodele de căutare a unei extremum a funcției obiectiv - o funcție de un argument (funcția unidimensional).
punctul extremelor locale al studiului va fi numit spațiu în care funcția obiectiv este cea mai mare (mai mică) valoarea în comparație cu valoarea sa în toate celelalte puncte de cele mai apropiate împrejurimi. În Fig.4.1 prezintă o funcție unidimensional având cinci extremelor locale. O parte din zona de studiu poate conține mai multe locale și ar trebui să extremelor să rămână atenți să nu ia prima dintre ele pentru rezolvarea problemei.
punctul extremum global va fi numit studiul spațiului în care funcția obiectiv are o valoare mai mare (mai mică), în comparație cu orice alt punct al zonei de studiu. Astfel, optimul global - soluția optimă pentru întreaga zonă de studiu. Este mai bine decât toate celelalte soluții corespunzătoare maxime locale, și că este în căutarea unui cercetător.
problemă de optimizare dimensională poate fi pus după cum urmează. Lăsați valorile variabilei x minciuna în intervalul [a, b]. Intervalul de valori al variabilei x. care caută funcția obiectiv optimă va fi numit un interval de incertitudine. La începutul procesului de optimizare, acest interval are o lungime de b-o. Este necesar să se determine valorile optime ale funcției de eroare e, care se găsește în intervalul [a, b] punctul x. astfel încât
Astfel, trebuie să avem un plan de acțiune conduce în mod inevitabil la definirea x * cu o precizie de e, în cazul în care la acest punct nu se află în zona de căutare. Considerat în viitor sunt metodele și planurile de acțiune pentru a căuta funcția optimă.
Evident, modul cel mai natural si simplu pentru reducerea intervalului functiei unimodală dimensionale incertitudine este divizarea în mai multe părți egale cu calcularea ulterioară a valorilor funcției obiective obținute la nodurile rețelei.
Ca urmare a intervalului de incertitudine este redus la două etape de rețea. De obicei, ei vorbesc despre divizarea intervalului de incertitudine, care se caracterizează prin factorul de fragmentare fs. Coeficientul de zdrobire arată ce parte a intervalului inițial de incertitudine a unui nou interval de incertitudine.
Prin măsurători obținem N (N +1) părți interval de incertitudine și apoi:
în care 2 - părți din stânga interval de incertitudine; N +1 - părți a intervalului de incertitudine.
De fapt, am trecut de la algoritmul-un singur pas pentru algoritmul de mai multe etape.