Approximation of Functions Defined in Tabular Form: Multicriteria Approach

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

A new approach to estimating approximation parameters is developed. In this approach, the distance of the approximating function from a given finite set of points is estimated by a vector criterion the components of which are the absolute values of residuals at all points. Using this criterion, the remoteness preference relation is defined, and the nondominated function with respect to this relation is considered to be the best approximating function. Approximation for several preference relations is studied, including the Pareto relation and the relation generated by the information about the equal importance of the criteria. Computational issues are considered and the relationship between the introduced approximating functions and the classical ones (obtained by the methods of least squares, least modulus, and the least maximum absolute value of deviation) are considered.

Авторлар туралы

A. Nelyubin

Mechanical Engineering Research Institute, Russian Academy of Sciences

Email: nelubin@gmail.com
101990, Moscow, Russia

V. Podinovski

National Research University—Higher School of Economics (HSE University)

Хат алмасуға жауапты Автор.
Email: podinovski@mail.ru
101000, Moscow, Russia

Әдебиет тізімі

  1. Демидович Б.П., Марон И.А., Шувалова Э.З. Численные методы анализа. Приближение функций, дифференциальные и интегральные уравнения. М.: Наука, 1967.
  2. Малов С.В. Регрессионный анализ: теоретические основы и практические рекомендации. СПб.: Изд‑во С.-Пб. Ун-та, 2013.
  3. Мудров В.И., Кушко В.Л. Метод наименьших модулей. М.: URSS, 2013.
  4. Charnes A., Cooper W.W. Management models and industrial applications of linear programming. N.Y.: Wiley, 1961.
  5. Статников Р.Б., Матусов И.Б. О недопустимых, допустимых и оптимальных решениях в задачах проектирования // Проблемы машиностр. и надежности машин. 2012. № 4. С. 10–19.
  6. Подиновский В.В., Нелюбин А.П. Средние величины: многокритериальный подход // Проблемы управления. 2020. № 5. С. 3–16.
  7. Подиновский В.В., Нелюбин А.П. Средние величины: многокритериальный подход. II // Проблемы управления. 2021. № 2. С. 33–41.
  8. Тырсин А.Н., Азарян А.А. Точные алгоритмы реализации метода наименьших модулей на основе спуска по узловым прямым // Вычисл. матем. 2017. № 4. С. 21–32.
  9. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Физматлит, 1982. Изд. второе, испр. и доп., 2007.
  10. Зоркальцев В.И. Октаэдрические и евклидовы проекции точки на линейное многообразие // Тр.ин-та матем. и механ. УрО РАН. 2012. № 3. С. 106–118.
  11. Подиновский В.В. Многокритериальные задачи с однородными равноценными критериями // Ж. вычисл. матем. и матем. физ. 1975. № 2. С. 330–344.
  12. Подиновский В.В. Идеи и методы теории важности критериев в многокритериальных задачах принятия решений. М.: Наука, 2019.
  13. Нелюбин А.П., Подиновский В.В. Алгоритмическое решающее правило, использующее ординальные коэффициенты важности критериев со шкалой первой порядковой метрики // Ж. вычисл. матем. и матем. физ. 2012. № 1. С. 43–59.
  14. Fishburn P.C., Willig R.D. Transfer principles in income redistribution // J. of Public Economics. 1984. V. 25. P. 323–328.
  15. Marshall A.W., Olkin I. Inequalities: Theory of majorization and its applications. N.Y.: Academic press, 1979.
  16. Eurostat. Real GDP per capita, 2022. https://ec.europa.eu/eurostat/databrowser/view/sdg_08_10/default/table

© А.П. Нелюбин, В.В. Подиновский, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».