Адаптивное вычисление длин кривых, задаваемых недифференцируемыми функциями
Ключевые слова:
недифференцируемая функция, кусочно-линейное приближение, адаптивный пошаговый выбор узлов, индекс эффективностиАннотация
Измерение длин кривых достаточно распространено при решении различных задач. Если функция, задающая кривую, дифференцируема, то вычисление длины является относительно простой математической операцией. При отсутствии начальной информации о функции приходится применять приближенные методы. Какой из этих методов целесообразно использовать для конкретной функции, обычно решает сам пользователь. Одним из важных факторов, влияющих на выбор метода, является имеющийся ресурс времени на предварительный анализ функции и согласование с начальными данными, которые включают необходимую точность результата и общие численные затраты. В статье предлагается метод, основанный на апостериорном подходе к проблеме, когда анализ характера поведения функции осуществляется в самом процессе приближенного измерения длины кривой в заданной области. Такой способ стал возможным благодаря введению пошагового адаптивного механизма, реагирующего на отклонение кривой функции от аппроксимирующей ее ломаной. В конечном итоге принятый локальный анализ вследствие адаптации позволил проходить участки с большой крутизной кривой с малым шагом, а пологие – с большим. При особенно резком изменении функции (например, в подобластях с особенностями) основной адаптивный механизм наделен возможностью выхода за границы принятого набора констант без серьезных усложнений алгоритма. Таким образом, отпала необходимость в предварительном анализе характера поведения функции, не обязательно регулярной, и выявлении особенностей (изломы, экстремальные точки и т.п.), их числа и места. Для вычисления длины кривой достаточно задать функцию на данной области и необходимую точность, ограниченную минимальным шагом, не заботясь об использовании каких-то вспомогательных таблиц и весовых коэффициентов. Проведенный численный эксперимент на тестовом наборе функций разной сложности показал преимущество предлагаемого подхода над сеточными методами, особенно с равноотстоящими узлами.Библиографические ссылки
Shor, N. Z. (1985). Minimization methods for non-differentiable functions. Berlin: Springer-Verlag, 178 p. https://doi.org/10.1007/978-3-642-82118-9.
Demyanov, V. F., Vinogradova, T. K., & Nikulina, V. N. (1982). Nedifferentsiruyemaya optimizatsiya [Non-differentiable optimization].Leningrad: Izdatelstvo Leningradskogo universiteta, 324 p. (in Russian).
Gupal, A. M. (1974). Minimizatsiya nedifferentsiruyemykh funktsiy [Minimization of non-differentiable functions]. Avtomatika i telemekhanika – Automation and Telemechanics., no. 4, pp. 61–64 (in Russian).
Sheludko, H. A. & Ugrimov, S. V. (2011). Adaptivnaya gibridizatsiya [Adaptive hybridisation].Kharkov: Miskdruk, 308 p. (in Russian).
Forsythe, G. E., Malcolm, M. A., & Moler, C. B. (1977). Computer methods for mathematical computations.EnglewoodCliffs,New Jersey: Prentice-Hall, 259 p.
Krylov, A. N. (1954). Lektsii o priblizhennykh vychisleniyakh [Lectures on approximate calculations].Moscow: Gostekhizdat, 98 p. (in Russian).
Melentyev, P. V. (1962). Priblizhennyye vychisleniya [Approximate calculations].Moscow: Fizmatgiz, 388 p. (in Russian).
Chebyshev, P. L. (1948). O funktsiyakh, malo uklonyayushchikhsya ot nulya pri nekotorykh velichinakh peremennykh [On functions that deviate little from zero for some variables]: in 5 vols. Vol. 3, pp. 110–127 (in Russian).
Bakhvalov, N. S. (1966) Ob algoritmakh vybora shaga integrirovaniya [On algorithms for selecting the integration step]. Vychisl. metody i programmirovanie – Computational Methods and Programming, iss. 5, pp. 33–38 (in Russian).
Runge, C. (1901). Über empirische funktionen und die interpolation zwischen äquidistanten en ordinaten [About empirical functions and the interpolation between equidistant ordinates]. Zeitschriftfür Mathematik und Physik – Journal of Mathematics and Physics, vol. 46, pp. 224–243. (in German).
Ginzburg, B. L. (1954). Formuly chislennykh kvadratur, naiboleye vygodnyye dlya primeneniya [The most advantageous of numerical quadrature formulas]. Uspekhi matematicheskikh nauk – Advances in Mathematical Sciences, vol. 9, iss. 2 (60), pp. 137–142 (in Russian).
Bakhvalov, N. S., Zhidkov, N. P., & Kobelkov, G. M. (2018). Chislennyye metody [Numerical methods].Moscow: BINOM, Laboratoriya znaniy, 636 p. (in Russian).
Sheludko, G. A. & Ugrimov, S. V. (2018). Modernization adaptive piecewise linear approximation of difficult-to-compute functions. J. Mech. Eng., vol. 21, no. 2, pp. 60–67. https://doi.org/10.15407/pmach2018.02.060.
Pukk, R. A. (1970). Algoritm integrirovaniya, uchityvayushchiy stepen gladkosti funktsiy [Integration algorithm taking into account the degree of smoothness of functions]. Izv. AN ESSR. Fizika. Matematika – Proceedings of the AS ESSR. Physics. Mathematics, vol. 19, no. 3, pp. 368–370 (in Russian).
Bellman, R. E. (2015). Adaptive control processes: A guided tour. Princeton:PrincetonUniversityPress, 274 p.
Gander, W. & Gautschi, W. (2000). Adaptive quadrature – revisited. BIT Numerical Math., vol. 40, iss. 1, pp. 84–101. https://doi.org/10.1023/A:1022318402393.
Sheludko, G. A. (1973). Adaptivnoe integrirovanie [Adaptive integration]. Kharkov: Institute of Mechanical Engineering Problems of USSR Academy of Science, 12 p. Dep. VINITI 26.07.73, no. 7753 (in Russian).
Sheludko, G. A. & Ugrimov, S. V. (1997). Adaptivnyie resheniya nekotorykh zadach vyichislitelnoy matematiki [Adaptive solutions to some problems of computational mathematics].Kharkov:Institute ofMechanical Engineering Problems of NASU, 37 p. (in Russian).
McKeeman, W. M. (1962). Algorithm 145: Adaptive integration bi Simpson¢s rule. Communication of the Association for Computing Machinery, vol. 5, iss. 12, pp. 604. https://doi.org/10.1145/355580.369102.
Rabinovich, Ye. V., Ruban, A. A., Tsapenko, M. P., & Shefel, G. S. (1993). Adaptivnaya kusochno-lineynaya approksimatsiya [Adaptive piecewise linear approximation]. Avtometriya – Autometry, no. 1, pp. 26–29 (in Russian).
Shekel, J. (1971). Test functions for multi-modal search techniques. Proceedings of the 5th Annual Princeton Conference on Information Science and Systems, pp. 354–359.
Sheludko, H. A., Shupikov, O. M., Smetankina, N. V., & Ugrimov, S. V. (2001). Prykladnyy adaptyvnyy poshuk [Applied Adaptive Search]. Kharkiv: Vydavnytstvo "Oko", 191 p. (in Ukrainian).
Ostrovskiy, A. M. (1966). Solutions of equations and systems of equations.New York: Academic Press, 338 p.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2020 Serhii V. Ugrimov, Helii A. Sheludko
Это произведение доступно по лицензии Creative Commons «Attribution-NoDerivatives» («Атрибуция — Без производных произведений») 4.0 Всемирная.
Авторы, публикующиеся в этом журнале, соглашаются со следующими условиями:
- Авторы оставляют за собой право на авторство своей работы и передают журналу право первой публикации этой работы на условиях лицензионного договора (соглашения).
- Авторы имеют право заключать самостоятельно дополнительные договора (соглашения) о неэксклюзивном распространении работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном хранилище учреждения или публиковать в составе монографии), при условии сохранения ссылки на первую публикацию работы в этом журнале.
- Политика журнала позволяет размещение авторами в сети Интернет (например, в хранилищах учреждения или на персональных веб-сайтах) рукописи работы, как до подачи этой рукописи в редакцию, так и во время ее редакционной обработки, поскольку это способствует возникновению продуктивной научной дискуссии и позитивно отражается на оперативности и динамике цитирования опубликованной работы (см. The Effect of Open Access).