Maqsad funksiyaning moslashuvchanligi ob'ektiv funktsiyaga bog'liq: maqsad
funktsiyaning qiymati qanchalik kichik bo'lsa, moslashtirilgan avlod individualdir,
ya'ni,
sinov
yechimi, ob'ektiv funktsiyaga argument sifatida ishlatiladi.
Shuni ta'kidlash kerakki, minimal funktsiya topishda
odatiy iterativ usullar
lokal minimumni topishiga olib kelishi mumkin.
Tasodifiy parametlar uchun statistik to‘plash va uni qayta ishlash tashkil
etiladi. Qayta ishlash jarayonida parametrni biror-bir nazariy taqsimlanish qonun
bilan ta’svirlash imkoni yaratiladi (aniqlanadi). Bundan maqsad tizmni asosiy
parametlarini ma’lum bir taqsimlanish qonuniyatlarida va nagruzkada anotomik
modelni yaratish imkoni paydo bo‘ladi, imetatsion
modellashtirishda esa
taqsimlanish qonuniyatini kurinishini berish va statistik xarakteristikalarini berish
tasodifiy miqdorini jadval ko‘rinishda berishdan kura samaralidir. Taqsimlanish
qonuniyati ko‘rinishini tanlash protsedurasi qo‘yidagilardan iborat: Parametrni sonli
qiymatlari to‘plami bo‘yicha nisbatan chastotalar gistogrammasi-taqsimlanishni
imperik
zichligi
tuziladi.
Gistogramma
sillik
egri
chiziq
bilan
approksimatsiyalanadi. Xosil qilingan egri chiziq turli nazariy taqsimlanish
qonunlari zichliklari egri chiziqlari bilan ketma-ket solishtiriladi.
Solishtirish
natijasida biror-bir ma’noda eng yaxshi bo‘lgan (ustma-ust tushgan) taqsimlanish
qonuni tanlanadi. Emprik kiymatlari buyicha bu taqsimlanish qonuni parametlari
hisoblanadi. Sungra emperik nazariy taqsimlanishni mos tushish darajasini miqdoriy
baholashni u yoki bu moslik kreteriyasi, masalan, Pirson (xi-kvadrat, Kolmogorof,
Smirnov, Fisher yoki Styuden) ko‘rsatkichlari bilan baholanadi. Taqsimlanish
qonunlarini ko‘rinishini tanlash matematik statistikada to‘la ishlab chiqilgan.
Funksialarni approksimatsiyalash. Tizimni xar
bir element uchun kirish
ta’sirlarini parametlari bilan chiqish xarakteristikalari orasidagi funksional
bog‘lanish mavjuddir. Ba’zi bir elementlar uchun funksional bog‘lanish ma’lum
bo‘ladi, ba’zi bir elementlar uchun esa ishlash tabiatdan aniqlash mumkin [4].
Ammo ba’zi bir elementlar uchun esa parametrlarini turli qiymatlarida chiqish
xarakteristikalarini miqdoriy qiymatlarini tajribaviy qiymatlari to‘plamini olish
mumkin. Bunday xollarda funksional bog‘lanish
xarakteri xaqida biror-bir
gipotezani olga surish mumkin, ya’ni uni ma’lum bir matematik tenglama bilan
approksimatsiyalash mumkin. Yig‘ilgan tajriba ma’lumotlari asosida ikkita va
undan ortik uzgaruvchilar orasidagi matematik boglanishlarni
topish regressiya
korrelyasiya va dispersion tahlil asosida amalga oshiriladi.
Biror bir elementni tavfsiflash uchun tenglama ko‘rinishini tadqiqotchini o‘zi
aniqlaydi. Agar uzgaruvchilar soni ikkita bo’lsa tajriba nuqtalarini joylashtirishga
qarab grafiklarni taqqoslash natijalari bilan soda ravishda aniqlanadi. Keng
tarqalgan approksimatsiya qiluvchi funksiyalar sifatida masalan, to‘g‘ri chiziq,
giperbola, eksponenta va x.k. olinishi mumkin. Sungra regressiya tahlili usullari
bilan tanlab olingan regressiya tenglamasining konstantalari (koefitsentlari)
xisoblanadi. Tanlab olingan konstantalar
shunday tanlanadiki, tanlab olingan
nazariy to‘g‘ri chiziq tajriba ma’lumotlariga biror-bir ma’noda eng yaxshi
yaqinlashuvi kerak. Ko‘pincha tajriba va nazariy egri chiziqlarning yakinlashuvi
kichik kvadratlar kriteriyasi bo‘yicha baholanadi.
Tanlab olingan bog‘lanish tajriba ma’lumotlari
bilan mos kelishligini
aniqlashda korrelyasion tahlil usullaridan foydalaniladi. Korrelyasiya koyfitsenti
qo‘yidagi oraliqlarda 0 dan + _1 gacha qiymatlar qabul qilib, agar korrelyasiya
mavjud bulmasa 0 ga teng, agar xamma tajriba nuqtalari egri chiziqda yotsa +1 ga
yoki -1 ga tengdir [6].