- •7. Разработка эффективных алгоритмов: методы «Разделяй и влавствуй» и динамическое программирование.
- •2. Общие принципы код-я информации и формы ее представления в эвм
- •5. Анализ алгоритмов сортировки: обменная сортировка методом «пузырька», метод «простого выбора».
- •17. Анализ алг-мов поиска: послед-ый поиск в неупорядоч .Массиве, бинарный поиск в упорядоч. Массиве.
- •6. Разработка эффективных алгоритмов: методы «Разделяй и влавствуй» и «Балансировки».
- •8. Разработка эффективных алгоритмов: методы жадные алгоритмы. Задача о выборе заявок. Принцип жадного выбора.
- •Задача о выборе заявок
- •9. Алгоритм: содержательный и формализованный подходы к понятию «алгоритм». Свойства алгоритма и способы его описания.
- •10.Линейность, ветвление и цикл. Их реализация в языках программирования.
- •21. Классификация ппо. Текстовые редакторы, издательские системы. Технологии обработки текстовой информации.
- •4. Задача сортировки. Алгоритмы сортировки. Сортировка и индексирование.
- •12. Логические яп. Декларативность программ. Решение логических задач.
- •13. Функц яп. Декларативность прогтамм. Лямбда-исчислениею
- •29. Накопители инф-ции, принципы их действия. Физ. И лог. Стр-ра диска.
- •14. Языки программирования. Основные элементы. Обзор и классификация. Методологии программирования.
- •15. Понятие типа данных. Простые (базовые) типы данных. Ссылочный тип.
- •16. Структурированные типы данных (массивы, записи, множества, файлы)
- •18. Объектно-ориентированное программирование. Инкапсуляция. Наследование. Полиморфизм.
- •19. Программное обеспечение эвм. Операционные системы. Развитие ос. Оболочки ос.
- •20. Программное обеспечение эвм. Сервисные программы (антивирусы, архиваторы, дефрагментаторы, диагностика и отладка).
- •22. Классификация ппо. Табличная организация информации. Табличные модели. Табличные процессоры.
- •11. Подпрограммы. Их реализ. В яп. Рекурсия, модул. Пр-ние
- •23. Классификация ппо. Базы данных. Проектирование баз данных. Субд.
- •25. Реляционная алгебра. Операции над таблицами.
- •26. Эвм как средство обработки информации. Класс-кация эвм. Перспективы раз-ия вт
- •45. Нейр. Сети. Одн. Перцептр. Актив. Ф-ия. Лог. Операц. На основе прст. Перцептр.
- •27. Понятие архитектуры эвм. Центральные устройства эвм, их наз-е и характеристики
- •28. Устройства ввода и вывода информации, их назначения и функции.
- •30. Базовая эталонная модель взаимодействия открытых систем международной организации стандартизации и ее значение в развитии телекоммуникации.
- •Взаимодействие уровней модели osi
- •31. Протоколы общения компьютеров в сети (ip, tcp, udp, ftp, smpt, http, nntp) и интерфейсы. Области взаимодействия открытых сетей.
- •32. Принципы функционирования локальных вычислительных сетей. Основные компоненты и типы лвс. Одноранговые сети. Сети на основе сервера. Комбинированные сети.
- •33. Основные типы кабельных сред передачи данных. Узкополосная и широкополосная передача сигналов. Асинхронная передача и автоподстройка. Сетевой адаптер.
- •34. Беспроводные сети. Передача "точка-точка". Инфракрасные лазерные лвс. Беспроводные лвс с радиопередачей. Мобильные сети.
- •35. Классификация моделей. Моделирование физических процессов. Понятие вычислительного эксперимента, его этапы и фазы. Области применения вычислительного эксперимента.
- •36. Моделирование стохастических систем. Моделирование случайных величин с равномерным распределением. Методы проверки случайности данных.
- •37. Приближенное число. Абсолютная и относительная погрешности. Виды, основные источники, способы устранения погрешностей.
- •38. Решение уравнений методами бисекций и итераций.
- •40. Постан. З-чи интер-ния. Интер-ный многоч. Сплайны.
- •43. Обработка результатов наблюдений. Уточнение параметров методом средних и методом наименьших квадратов.
- •44. Нечеткая логика. Ф. Принадлежности. Ф. Ограничения. Основные операции в нечеткой логике.
- •46. Нейр. Сети. Обуч. С пом-ю алгор. Обр. Распр.
- •54. Алгебра высказываний. Нормальные формы. Совершенные нормальные формы. Теорема существования нормальной формы. Приложение алгебры высказываний к логико-математической практике.
- •47. Знания. Классификация. Экспертные системы. Искусственный интеллект
- •48. Представление знаний (логическая модель, семантические сети, фреймы, продукции).
- •49. Представление задачи оптимизации в канонической, стандартной и матричной форме. Постановка задачи линейного программирования. Математическая модель все типов задач линейного программирования.
- •50. Решение задач линейного программирования графическим методом.
- •1. Система огранич-й представл. В канонич. Видет
- •2. Пусть система огр-ий злп представлена в виде:
- •3. Пусть система ограничений злп представлена в виде
- •52. Элементы теории двойственности. Прямая и двойственная задачи линейного программирования. Основные теоремы двойственности. Применение двойственного симплексного метода.
- •53. Основные понятия теории графов. Степень вершины графа. Ориентированные графы, связные графы и компоненты связности. Понятие взвешенного графа. Способы задания графа.
35. Классификация моделей. Моделирование физических процессов. Понятие вычислительного эксперимента, его этапы и фазы. Области применения вычислительного эксперимента.
Пон-е «модель» ассоц-ся с «макетом», имеющим внеш. или функцион-ное сходство с опр. объектом. М-ль м. сохр-ть только нек-ые черты моделир-го объекта, существ-ых для данного иссл-ия. Учет всех св-в объекта приводит к усложн-ю иссл-ия. Нек-ые упрощ-я неизбежны, но это не д. существенно искажать рез-ты иссл-ия, иначе м-ль не адекватна моделируемому объекту.
Модель - это такой материальный или мысленно представляемый объект, который в процессе изучения замещает объект-оригинал, сохраняя некоторые важные для данного исследования типичные его черты.
Под моделью системы понимается описание системы (оригинала), отображающее определенную группу ее свойств.
В общем случае модель является представлением объекта, системы или понятия (идеи) в некоторой форме, отличной от формы их реального существования. Модель какого-либо объекта может быть или точной копией этого объекта, или отображать некоторые характерные свойства объекта в абстрактной форме. Модель служит обычно средством, помогающим нам в объяснении, понимании или совершенствовании системы.
Классификация моделей. Модели можно классифицировать различными способами, хотя ни один из них не является полностью удовлетворительным. Укажем некоторые типовые группы моделей: 1) натурные, аналоговые, символические; 2) экспериментальные (регрессионные) и аналитические; 3) статические и динамические; 4) детерминированные и стохастические; 5) дискретные и непрерывные.
Моделирование как метод познания
Основой эффективного сотрудничества специалистов разных профилей является наличие общей методологии, в рамках которой проводятся исследования. Такая методология носит название "системный анализ". Один из важнейших инструментов системного анализа - моделирование (моделирование на ЭВМ).
Моделирование = способ изучения различных процессов и явлений.
Различают: Натурный эксперимент
- процесс иследуется как он проходит в природе.
Математическое моделирование- способ исследования различных процессов путем изучения явлений, имеющих различное физическое содержание, но описываемых одинаковыми математическими соотношениями (гармонические колебания в механике и электричестве, ...).
Основные способы использования математической модели
аналитическое исследование процессов, исследование процессов численными методами, аппаратурное моделирование процессов на ЭВМ непрерывного действия и стендах,моделирование процессов на ЭВМ дискретного действия (цифровых).Математическое моделирование (этапы и цели).
Модель, представляющая собой совокупность математических соотношений, называется математической. Этапы и цели математического моделирования Первый этап - определение целей моделирования. Основные из них таковы: 1) модель нужна для того, чтобы понять как устроен конкретный объект, какова его структура, основные свойства, законы развития и взаимодействия с окружающим миром (понимание);
2) модель нужна для того, чтобы научиться управлять объектом (или процессом) и определить наилучшие способы управления при заданных целях и критериях (управление);
3) модель нужна для того, чтобы прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект (прогнозирование). Важнейшим этапом моделирования является разделение входных параметров по степени важности влияния их изменений на выходные. Такой процесс называется ранжированием (разделением по рангам). Следующий этап - поиск математического описания. На этом этапе необходимо перейти от абстрактной формулировки модели к формулировке, имеющей конкретное математическое наполнение. В этот момент модель предстает перед нами в виде уравнения, системы уравнений, системы неравенств, дифференциального уравнения или системы таких уравнений и т.д. На основе поиска математического описания строится математическая модель. Вычислительный эксперимент - новый вид исследовательской работы, выполняемый с помощью ЭВМ. В отличие от натурного эксперимента в В. э. вместо физич. модели используется теоретич. модель, реализованная в виде машинной программы, а манипуляции с физич. моделью на лабораторном стенде заменяются систематич. расчётами на ЭВМ, в которых искомые характеристики модели вычисляются по заданным её параметрам. Вычислительный эксперимент особенно важен там, где невозможно провести лабораторный или натурный эксперимент. Цепочка теория - эксперимент - теория до недавнего времени считалась универсальным инструментом познания мира.
Схема вычислительного эксперимента. Цикл ВЭ можно разбить на несколько этапов:
1) выбор физического приближения и математическая формулировка задачи (построение физической и соответствующей ей математической модели изучаемого явления или объекта);
2) разработка вычислительного алгоритма решения задачи; 3) реализация алгоритма в виде программы для ЭВМ; 4) проведение расчетов на ЭВМ;
5) обработка, анализ и интерпретация результатов расчетов, сопоставление с физическим экспериментом и, в случае необходимости; уточнение или пересмотр математической модели, т.е. возвращение к первому этапу и повторение цикла ВЭ. Технологически ВЭ состоит из двух фаз: формирования и калибровки моделей и затем прогноза с помощью выбранных математических моделей. Следует обратить внимание на то, что ВЭ объединяет много разнородных частей:-математические модели - изучением их занимаются математики-теоретики (математическими моделями физических задач занимается математическая физика);-дискретные модели и алгоритмы - их разработкой занимаются специалисты по численным методам;-программы - их созданием занимаются программисты;
-проведение расчетов и анализ результатов, в которых должны участвовать как математики, так и физики или другие специалисты - химики, биологи и т.д. - авторы ("заказчики") задачи.
