On 07.03.2010 13:41, bartekltg wrote:
> On 7 Mar, 00:54, XYZ<j...@m...bin> wrote:
>
>> Jasne. Nie wiem dlaczego nie widzisz, deklaruje kodowanie poprawnie.
>
> Guugiel je psuje.
>
>> Hej,
>>
>> Dzieki za odpowiedz. Przyznam sie, ze nie za bardzo widze, jak
>> proponowana optymalizacja mialaby zadzialac. Moze zle napisalem: mam za
>> zadanie zmaksymalizowac sum_{i=1}^n f_n(a_n) przy warunku stalej sumy
>> zmiennych a_n. Poza tym czytajac moj post zorientowalem sie, ze nie
>> napisalem chyba dwoch najwazniejszych informacji: a_n i f_n(a_n) sa
>> liczbami naturalnymi, a w dodatku mozna zalozyc, ze sum_{i=1}^n a_n< 1E7.
>> Poza tym, szukam przede wszystkim narzedzia, do ktorego moge podac takie
>> warunki. Nie mialem nigdy stycznosci z NLP, ale czy sluzy do
>> rozwiazywania tego typu problemow czy raczej nie?
>
>
> To wszytko zalezy od postaci tych funkcji.
> Moze da sie wykorzystac cos z minimalizacji dla zmiennych
> ciaglych (znalesc okolice, skad zaczac sszukac rozwiazania)
> Ogolnie moze byc dowolnie zle;)
>
> BTW, sum_{i=1}^n a_n< 1E7.
> iosc przypadkow roznie niewiele wolniej niz (1E7)^n,
> to nie jest malo.
>
Chyba jednak przeszukam cala przestrzen rozwiazan niezaleznie ile by to
mialo zajac czasu. Jezeli chodzi o optymalizację to odkrylem, ze
wiekszość z funkcji f_n jest identyczna, czyli zakladajac, ze np. f1=f2
nie trzeba sprawdzac przypaku f_1(a_1)+f_2(a_2)+... i osobno
f_1(a_2)+f_2(a_1)+... poniewaz wynik bedzie ten sam. Teraz musze tylko
zaimplementowac te rekurencje.