Презентации по Математике

Основы теории линейного программирования
Основы теории линейного программирования
ОСНОВЫ ТЕОРИИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ Филиппова А.С., каф. ИТ, БГПУ Филиппова А.С., каф. ИТ, БГПУ Джордж Данциг (1914-2005) получил степень бакалавра в области математики и физики  в Мэрилендском университете (1936), а также степень магистра  математики в Мичиганском университете (1938). После двух лет работы в Бюро трудовой статистики Министерства труда США он поступил на докторскую программу в области математики в Калифорнийский университет в Беркли, где изучал статистику под руководством математика Ежи Неймана. Однажды в 1939 году он опоздал на занятия и ошибочно подумал, что написанные на доске уравнения — это домашнее задание. Оно было трудным, но всё-таки Джордж сумел его выполнить. Оказалось, что это были две нерешённые проблемы статистики, с которыми маститые учёные не могли справиться в течение многих лет. Эта история стала очень популярной, обросла легендами и была использована в первых кадрах фильма «Умница Уилл Хантинг». Джордж Данциг стал первым лауреатом Теоретической премии фон Неймана (1974). Он получил Национальную научную медаль США (1975) и стал почётным доктором Мэрилендского университета в Колледж-Парке (1976). В 1985 году в Израиле удостоен премии Харви. В 1979 году Общество математического программирования и Общество промышленной и прикладной математики учредили премию Данцига, которую вручают каждые три года, начиная с 1982, за оригинальные исследования, внёсшие выдающийся вклад в математическое программирование.
Продолжить чтение
Выборочное наблюдение
Выборочное наблюдение
Выборочным называется такое статистическое исследование, при котором обобщающие показатели изучаемой совокупности устанавливаются по некоторой ее части, сформированной на основе положений случайного отбора. В основе выборочного исследования лежит несплошное наблюдение, при котором обследуются не все единицы совокупности, а лишь определенная их часть. Сущность выборочного метода заключается в том, что из генеральной совокупности (всей совокупности) отбирается ее типичная часть, и результаты, полученные по этой части совокупности, распространяются на всю совокупность. Расхождение между показателями по генеральной совокупности и показателями по выборке называется ошибкой выборки. Сущность, условия проведения и задачи выборочного исследования возможностью ограничить наблюдение частью совокупности; наличием дополнительных ошибок, обусловленных неполнотой наблюдения (ошибок репрезентативности). Преимущества и недостатки выборочного метода обусловлены в основном двумя свойствами:
Продолжить чтение
Реализация метода Монте-Карло на графическом процессоре
Реализация метода Монте-Карло на графическом процессоре
Введение Одним из обширно используемых раскладов к числовому моделированию физических систем приходит метод Монте‑Карло, к использования которого нужен разбор наибольшего числа случайных состояний и вариантов поведения исследуемой системы, что связано с огромными объемами вычислений. Варианты случайного поведения системы, осматриваемые методом Монте‑Карло, обычно производятся и возделываются по одному и тому же всеобщему алгоритму, будучи при этом автономными друг от друга. Это позволяет качественно осуществлять метод Монте‑Карло на поточно‑параллельных вычислительных системах. В последние года возникла практическая случай выполнения поточно‑параллельного физико‑математического моделирования на графических процессорах (GPU) — вычислительных устройствах синхронной архитектуры, всегда предназначенных для отражения графики на персональных компьютерах и рабочих станциях. В настоящее время основные производители графических процессоров сами позиционируют новые GPU как все пригодные системы, предназначенные не только для графических вычислений, но и для рас‑ четов всеобщего назначения. В частности, компанией NVIDIA издаются графические процессоры архитектуры CUDA и подходящее программное обеспечение, которые дозволяют относительно свободно программировать GPU на языке, являющемся расширением языка C, хранящем синтаксис последнего и включающем все его ключевые возможности. Актуальность проекта: В данном дипломном проекте, соглана задачам, разработана оптимизация алгоритмов физического моделирования, которую необходимо контролировать их соответствие решаемой задаче. В частности, первый алгоритм моделирования диффузии нейтронов через пластину. Предположение, что все нейтроны входят в пластину одновременно, а другие нейтроны не рассматривались. Напротив, оптимизированный алгоритм включает в расчет нейтроны, которые входят в пластину после выхода предыдущих. Указанная разница в алгоритмах может давать разницу в результатах расчета, так как во втором случае на каждый нейтрон, совершающий в пластине много столкновений, приходится больше нейтронов, проходящих пластину за меньшее количество столкновений (так как нейтроны, быстро проходящие пластину, замещаются новыми). Со‑ поставим каждый из вариантов физическому смыслу задачи. Цель работы: Показать, что метод Монте‑Карло позволяет эффективно использовать параллельную архитектуру современных графических процессоров за счет обработки альтернативных случайных вариантов поведения моделируемой системы в большом количестве независимых вычислительных потоков.
Продолжить чтение