3.1.3 –rasm.
yaqinlashtirish uchun yechimlarini izlash.
Grafikdan ko'rib turganimizdek, ildiz 0,2 dan 0,4 oralig'ida joylashgan. Ildizni
yaxshilash uchun biz bisektsiya usulidan foydalanamiz. Ushbu usul yordamida ildiz
topildi:
Qayta ishlangan ildiz: 0.30893109560193.
Yaqinlashtirish sigmenti: [0.30893109560193-2, 0.30893109560193+3]
Endi biz yuqoridagi berilgan funksiyani echish algoritmlarini, qayta ishash
uchun approksimatsiyalarning ko‘rinishlari keltirib o‘tamiz [18].
Bu algoritmlardan birinchisi eng kichchik kvadratlar usuli uchun
approksimatsiya algoritimi.
3.1.3 –rasm.
Eng kichchik kvadratlar usuli.
3.1.4 –rasm
. Stirling usuli uchun approksimatsiya algoritimi:
3.1.5 –rasm.
chiziqli algebrik tenglamalar usuli
uchun approksimatsiya
algoritimi.
3.1.6 –rasm.
N'yutona-Kotesa (n=6) algoritimi
Birinchi qadam:
3.1.7 –rasm.
Umumiy algoritim
3.2. Funksiyalarni approksimatsiyalashning dasturiy qismini yaratish.
Yuqoridagi algoritmlar foydalanib, biz funksiyalarni approksimatsiya qilish
uchun dastur kodini keltirib o‘tamiz [15].
Birinchi algoritm uchun dastur kodi:
Fayl «DiffPogr.m»:
function
result=DiffPogr(F,FA,xl,xr,N)
h=(xr-xl)/N;
x=xl;i=0;result=0;
while (x<=xr)
i=i+1;
result=result+abs(feval(F,x)-
feval(FA,x));
x=xl+h*i
end;
result
result=result/N;
Fayl «DN.m»:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
function result=DN(X,Y,N,x);
%eta procedure vichislyaet znacheniya DY (5-i shtuk)
DY=DNone(Y,N); DY(N)=0; DY';
D2Y=DNone(DY,N-1);D2Y(N)=0; D2Y(N-1)=0;D2Y';
D3Y=DNone(D2Y,N-2);D3Y(N)=0; D3Y(N-1)=0;D3Y(N-
2)=0;D3Y';
D4Y=DNone(D3Y,N-3);D4Y(N)=0; D4Y(N-1)=0;D4Y(N-
2)=0;D4Y(N-3)=0;D4Y';
D5Y=DNone(D4Y,N-4);D5Y(N)=0; D5Y(N-1)=0;D5Y(N-
2)=0;D5Y(N-3)=0;D5Y(N-4);D5Y';
i=1;
while (X(i)index=i; i=i+1;
end;
res=zeros(N,5);
res(:,1)=DY';%(index);poldecrement(index);
res(:,2)=D2Y';%(index);poldecrement(index);
res(:,3)=D3Y';%(index);poldecrement(index);
res(:,4)=D4Y';%(index);poldecrement(index);
res(:,5)=D5Y';%(index);poldecrement(index);
result=res;
Fayl «DNone.m»:
1
2
3
function result=DNone(Y,N);
DY=0;
for i=1:(N-1)
4
5
6
DY(i)=-Y(i+1)+Y(i);
end;
result=DY;
Fayl «func.m»:
1
2
function result=func(x)
result=3*x^4+4*x^3-12*x*x+1;
Fayl «funcappms.m»:
1
2
3
4
5
6
7
function y=funcappms(x,AI)
AI=[ 1.0000
-0.0000
-12.0000
4.0000
3.0000];
y=AI(1)+AI(2)*x+AI(3)*x^2+AI(4)*x^3+AI(5)*x^4;
Fayl «graphic.m»:
1
2
3
4
5
6
7
8
i=0;Y=0;x=0.2;X=0;
while (x<2)
i=i+1;
Y(i)=func(x);
x=x+0.01;
X(i)=x;
end;
plot(X,Y)
Fayl «lab5.m»:
1
2
3
F=@func;
clc
xl=0.30893109560193-2;
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
xr=0.30893109560193+3;
% kolichestvo uzlov 12, 16, 25
N=16;
% minsquare(F,N,xl,xr,0.1)
Stirling(F,N,xl,xr,0.000001);
FA=@funcappms;
% I1=NyutonKotes6(xl,xr,FA,1/N)
% I2=NyutonKotes6(xl,xr,F,0.1/N)
% inteps=I1-I2
% difeps=DiffPogr(F,FA,xl,xr,N)
Fayl «minsquare.m»:
1
2
3
4
5
6
7
8
9
10
11
12
13
function result=minsquare(F,n,xl,xr,h2)
h=(xr-xl)/n;
x=xl;i=0;
while(x<=xr)
i=i+1;
X(i)=x;
Y(i)=feval(F,x);
x=xl+h*i;
end;
% X=0;
% Y=0;
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
% X=[0.75,1.5,2.25,3,3.75]
% Y=[2.5,1.2,1.12,2.25,4.28]
% m=2;n=4;
mc=5;
A=zeros(mc,mc)
B=zeros(mc,1);
nc=n+1;
for k=1:mc
for l=1:mc
for i=1:nc
i
A(k,l)=A(k,l)+(X(i))^(k-1+l-1);
end;
end;
for i=1:nc
B(k)=B(k)+X(i)^(k-1)*Y(i);
end;
end;
A
B
%bilo polucheno SLAU teper reshim SLAY i poluchim
aproksimiruyaushuyu
%funkciyu
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
AI=SLAU(A,B)
Y1=0;
x=xl;
ysize=(xr-xl)/h2+1;
i=0;
while (xi=i+1;
X1(i)=x;
Y1(i)=AI(1)+AI(2)*X1(i)+AI(3)*X1(i)^2+AI(4)*X1(i)^3+AI(5)*X1(i)^4;
x=xl+h2*i;
end;
X1;
Y1;
hold on;
plot(X,Y,'g.-')
plot(X1,Y1,'b.-')
result=AI;
Fayl «NyutonKotes6.m»:
1
2
3
4
5
6
7
8
9
10
function RES=NyutonKotes6(A,B,F,e)
% function RES=NyutonKotes6(A,B,F,X,Y,h,middle,DY,e)
number_of_iteration=1;
ce=e*2;
I=0;dx=B-A;
x=A;
I=NyutonKotes6step(x,x+dx,F);
% I=NyutonKotes6step(x,x+dx,F,X,Y,h,middle,DY);
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
while (ce>e)
x=A; dx=dx*0.5;
II=0;
while (xII=II+NyutonKotes6step(x,x+dx,F);
% II=II+NyutonKotes6step(x,x+dx,F,X,Y,h,middle,DY);
x=x+dx;
end;
ce= abs(I-II)
I=II;
% number_of_iteration=number_of_iteration+1;
end;
RES=I;
Fayl «NyutonKotes6step.m»:
1
2
3
4
5
6
7
8
9
function RES=NyutonKotes6step(A,B,F)
% function RES=NyutonKotes6step(A,B,F,X,Y,h,middle,DY)
H=[41, 216, 27, 272, 27, 216, 41];
N=840;m=1; x=A; n=6;dx=(B-A)/n;
I=0;
for i=1:n+1
I=I+H(i)*feval(F,x);
% q=(x-X(middle))/h;
10
11
12
13
14
15
16
17
18
19
20
21
22
%
% yy=Y(middle)+q*(DY(middle-1,1)+DY(middle,1))/2+q^2/2*DY(middle-
1,2)+q*(q^2-1)/factorial(3)*(DY(middle-2,3)+DY(middle-1,3))/2+q^2*(q^2-
1)/factorial(4)*DY(middle-2,4)+q*(q^2-1)*(q^2-
2^2)/factorial(5)*(DY(middle-3,5)+DY(middle-2,5))/2;
% I=I+H(i)*yy;
x=A+dx*i;
end;
I;
I=(I/N)*n*dx;
RES=I;
Fayl «poldel.m»:
1
2
3
4
5
6
7
8
9
10
11
12
function poldel;
x=0.3;
xl=0.2;
xr=0.4;
eps=0.000000000000000001;y=func(x);
while (abs(y)>eps)
y=func(x);
if (y>0)
if (func(xl)<0)
xr=x;
x=(x+xl)/2;
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
else
xl=x;
x=(x+xr)/2;
end;
else
if (func(xl)>0)
xr=x;
x=(x+xl)/2;
else
xl=x;
x=(x+xr)/2;
end;
end;
xl
x
xr
func(xl)
func(x)
func(xr)
end;
y
x
Fayl «SLAU.m»:
1
2
3
4
5
function X=SLAU(A,B);
A
B
inv(A)
X=inv(A)*B
Fayl «Stirling.m»:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
function result=Stirling(F,N,xl,xr,h2);
if (mod(N,2)==1) N=N+1;end;
h=(xr-xl)/N;
x=xl;i=0;
while(x<=xr)
i=i+1;
X(i)=x;
Y(i)=feval(F,x);
x=xl+h*i;
end;
% X(i)=x;
x=xl+h*(i-1);
DY=DN(X,Y,N+1,x);
Y1=zeros(N+1);
middle=round((N+1)/2);
Y1=0
Y
i=0;
xl
xr
x=xl
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
X1=0; Y1=0;
ysize=(xr-xl)/h2+1; difpog=0;
while (xi=i+1;
q=(x-X(middle))/h;
X1(i)=x;
Y1(ysize-i)=Y(middle)+q*(DY(middle-
1,1)+DY(middle,1))/2+q^2/2*DY(middle-1,2)+q*(q^2-
1)/factorial(3)*(DY(middle-2,3)+DY(middle-1,3))/2+q^2*(q^2-
1)/factorial(4)*DY(middle-2,4)+q*(q^2-1)*(q^2-
2^2)/factorial(5)*(DY(middle-3,5)+DY(middle-2,5))/2;
difpog=difpog+abs(feval(F,xr-(x-xl))-Y1(ysize-i))
x=xl+h2*i;
end;
%
% Y1(1)=Y(1);
% X1(ysize-2)=X(N+1);
% Y1(ysize-2)=Y(N+1);
X1;
Y1;
hold on;
plot(X,Y,'g.-');
52
53
54
55
56
57
58
59
60
61
62
63
64
65
plot(X1,Y1,'b');
% LLX=[xl,xl];
% YY=[Y(1),Y(N)];
% RRX=[xr,xr];
% plot(LLX,YY,'y');
% plot(RRX,YY,'y');
% difpog=difpog/i
% intpog=NyutonKotes6(xl,xr,F,X,Y,h,middle,DY,0.1)
intpog=NyutonKotes6(xl,xr,F,0.0001)
result=Y1;
Funksiyalarni approksimatsiyalash natijalari. (grafiklarda yashil haqiqiy
funksiyaning grafigini ko'rsatadi va ko'k, uxshash funksiyaning grafikasini
ko'rsatadi).
Bu grafik eng kichchik kvadratlar usuli uchun:
Tugunlar soni 12:
3.1.8 –rasm.
Tugunlar sonini ko’rsatuvchi grafik.
Differensial xatolik = 4.699944137579830e-015
Integral xatolik = 0.0767
Tugunlar soni 16:
3.1.9 –rasm.
Tugunlar sonini ko’rsatuvchi grafik.
Differensial xatolik = 5.141720382795256e-015
Integral xatolik = 0.0358
Tugunlar soni 25:
3.1.10 –rasm.
Tugunlar sonini ko’rsatuvchi grafik.
Differensial xatolik = 1.596639487289053e-015
Integral xatolik = 0.0179
Endi grafiklarni Stirling usuli uchun ko‘rib chiqamiz:
Tugunlar soni 12:
3.1.11 –rasm.
Tugunlar sonini ko’rsatuvchi grafik.
Differensial xatolik = 3.287053575018462e-014
Integral xatolik = 0,0000000000002
Tugunlar soni 16:
3.1.12 –rasm.
Tugunlar sonini ko’rsatuvchi grafik.
Differensial xatolik = 2.252785354639464e-013
Integral xatolik = 0,0000000000006
Tugunlar soni 25:
3.1.13 –rasm.
Tugunlar sonini ko’rsatuvchi grafik.
Differensial xatolik =5.491511713503260e-012
Integral xatolik = 0,0000000000027
Eng kichchik kvadratlar usuli uchun tugunlar soni integral xatoliklarga
bog‘liqlik grafigi:
Eng kichchik kvadratlar usuli uchun tugunlar soni differensial xatoliklarga
bog‘liqlik grafigi:
Stirling usuli uchun tugunlar soni differensial xatoliklarga bog‘liqlik grafigi:
Stirling usuli uchun tugunlar soni integral xatoliklarga bog‘liqlik grafigi:
Natijalarning tahlili:
Eng kichkina kvadratchalar uslubi va Stirling usulini
o'rganish shuni ko'rsatdiki, bu usullar yordamida funktsiyani yaqinlashtirish
mumkin.
Xatoning tugunlar soniga bog'liqligining tahlili shuni ko'rsatdiki, Stirling
usulida differentsial va integral xatoliklar soni ko'payib boradi va eng kichkina
kvadratchalar usuli uchun teskari munosabatlar kuzatiladi, bu quyidagicha
tushuntirilishi mumkin: Stirling usuli uchun tugunlar sonining ko'payishi bilan son
farqlar qiymatlarini aniqlashda nisbiy xatolik yuzaga keladi, eng kichkina
kvadratchalar usuli bo'yicha esa ko'p sonli polinomlarning soni oshib boradi,
ularning har biri grafik oxirida asl egri qismining grafigiga yaqinlashadi. Taxminan
va yaqinlashtirilgan funksiyaning grafikalarini ko'rish, "ko'zdan" ko'ra, ma'lum bir
oraliq oraliqda deyarli farqlanmaydi [12].
Natija: 3x
4
+4x
3
-12x*x+1=0 funksiyani approksimatsiyalashda biz ikkita usul
orqali approksimatsiya usulini urgandik: Stirlng usuli va eng kichchik kvadratlar
usuli, har ikki usulda ham turli xil tugunlar soni uchun taxminiy va taxminan
funksiyalarning grafikalarini yaratadi. Xatoning ikkala usul bo'yicha tugunlar soniga
bog'liqligi baholandi.
3.2. Hayot faoliyati xavfsizligi masalalari.
Barcha sohalarda elektr energiyasidan keng ko’lamda foydalanish yo’lga
qo’yilganligi sabali elektr toki ta’sirida ro’y berishi mumkin bo’lgan baxtsiz
hodisalar va ulardan saqlanish masalalari muhim masalalar qatoriga kirib bormoqda.
Elektr toki ta’sirining yeng xavfli tomoni shundaki, bu xavfni oldindan sezish
imkoni yo’q. Shuning uchun ham elektr toki xavfiga qarshi tashkiliy va texnik chora
tadbirlar belgilash, to’siq vositalari bilan ta’minlash, shaxsiy va kollektiv muhofaza
tizimlarini o’rnatish nihoyatda muhim. Umuman elektr toki ta’siri faqat birgina
biologik ta’sir bilan chegaralanib qolmasdan, balki elektr yoyi ta’siri, magnit
maydoni ta’siri va statik elektr ta’sirlariga bo’linadiki, bularni bilish har bir kishi
uchun kerakli va zaruriy ma’lumotlar jumlasiga kiradi [19].
Elektr tokidan inson organizmida termik ya’ni issiqlik, elektrolitik va biologik
ta’sir kuzatiladi. Elektr tokining termik ta’siri inson tanasining ba’zi uchastkalarida
kuyish, qon tomirlari, nerv va xujayralarning qizishi sifatida kuzatiladi. Elektrolitik
ta’sir esa, qon tarkibidagi yoki xujayralar tarkibidagi tuzlarning parchalanishi
natijasida qonning fizik va kimyoviy xususiyatlarini o’zgarishiga olib keladigan
holat tushuniladi. Bunda elektr toki markaziy nerv sistemasi va yurak sistemasini
kesib o’tmasdan tananing ba’zi bir uchastkalaridagina ta’sir ko’rsatishda ro’y beradi
[19] .
Elektr tokining biologik ta’siri bu tirik organizm uchun xos bo’lgan xususiyat
hisoblanadi. Bu ta’sir natijasida inson organizmidagi tirik xujayralar muskullarning
keskin qisqarishi natijasida to’lqinlanadi, bu asosan organizmdagi bioelektrik
jarayonlarning buzilishi natijasida ro’y beradi. Ya’ni inson organizmi asosan
bioelektrik toklar yordamida boshqariladi. Bunga tashqi muhitdan yuqori
kuchlanishdagi elektr tokining ta’siri, bu biotoklar rejimini buzib yuboradi va buning
natijasi sifatida inson organizmida tok urish hodisasi vujudga keladi. Ya’ni
boshqarilmay qolgan organizmda hayot faoliyatining ba’zi bir funksiyalari
bajarilmay qoladi: nafas olih tizimlarida ishlarning buzilishi, qon aylanish
sistemasining ishlamay qolishi va hokazo.
Elektr tokining inson organizmida ta’sirining xilma-xilligidan kelib chiqib,
umuman elektr ta’sirini 2 guruhga bo’lib qarash mumkin: mahalliy elektr ta’siri va
tok urishi.
Mahalliy elektr ta’siriga elektr ta’siri natijasida kuyib qolish, elektr belgilari
hosil bo’lishi, terining metallashib qolishi hollarini ko’rsatish mumkin.
Elektr ta’siridan kuyish, asosan organizm bilan elektr o’tkazgich o’rtasida volta
yoyi hosil bo’lganda sodir bo’ladi. Elektr o’tkazgichdagi kuchlanishinig ta’siriga
qarab bunday kuyish turlicha bo’lishi umukin. Yengili faqat yallig’lanish bilan
chegaralanishi, o’rtacha og’irlikdagi kuyish pufakchalar hosil bo’lishi va og’ir
kuyish - xujayra va terilarning ko’mirga aylanishi bilan o’tib, og’ir asoratlarga olib
kelishi mumkin. Elektr belgilari-bu terining ustki qismida aniq kulrang yoki och-
sarg’ish rangli 1-5 mm diametrdagi belgi paydo bo’lishi bilan ifodalanadi. Bunday
belgilar odatda xavfli emas [20]. Terining metallashib qolishi ham odatda erib
mayda zarrachalarga parchalanib ketgan metall teri ichiga kirib qoladi. Bu holat ham
elektr yoyi hosil bo’lganda ro’y beradi. Ma’lum vaqt o’tgandan keyin bu teri ko’chib
tushib ketadi va hech qanday asorat qoldirmaydi.
Elektr urishi (yoki tok urishi deb ham yuritiladi) to’rt darajaga bo’lib qaraladi.
I-muskullar keskin qisqarishi natijasida odam ta’siridan chiqib ketadi va
hushini yo’qotmaydi.
II-muskullar keskin qisqarishi natijasida odam hushini yo’qotadi, ammo yurak
va nafas olish faoliyati ishlab turadi.
III-hushini yo’qotib, nafas olish tizimi yoki yurak urishi to’xtab qoladi.
IV-klinik o’lim holati, bunda insonda hech qanday hayot alomatlari ko’rinmay
qoladi.
Klinik o’lim holati bu hayot bilan o’lim orasidagi ma’lum oraliq bo’lib,
ma’lum vaqtgacha inson ichki imkoniyatlar hisobiga yashab turadi. Bu vaqtda unda
hayot belgilari: ya’ni nafas olish, qon aylanish bo’lmaydi, tashqi ta’sirlarga farqsiz
bo’ladi, og’riq sezmaydi, ko’z qorachig’i kengaygan va yorug’likni sezmaydi.
Ammo bu davrda hali undagi hayot butunlay so’nmagan, xujayralarda ma’lum
modda almashinuv jarayonlari davom etadi va bu organizmning minimal hayot
faoliyatini davom ettirishga yetarli bo’ladi, shuning uchun tashqi ta’sir natijasida
hayot faoliyatini yo’qotgan organizmning ba’zi bir qismlarini tiklash natijasida uni
hayotga qaytarish imkoniyati bor. Klinik o’lim holati 5-8 minut davom etadi. Hech
qanday yordam bo’lmagan taqdirda eng oldin bosh miya qobig’idagi xujayralar
parchalanadi va klinik o’lim holati biologik o’lim holatiga o’tadi [19].
Xulosa
Mavjud algoritmlardan foydalanib funktsiyalarni yechish va tasvirlarni qayta
ishlah jarayonida genetik algoritmlar orqali masalani Matlabda optimallashtirishdan
iborat masalasini ko’rib chiqdim.
Genetik algoritmlar–natural sleksiya va natural genetika mexanizmlariga
asoslangan izlash algoritmlari. Ular lokal optimal variantdan chiqishning kuchli
strategiyasi hisoblanadi. U alternativ yechimlar to‘plamini qayta ishlashdan iborat.
Bunda har bir iteratsiyada omadli yechimlar uchun stoxastik o‘zgarishlarni amalga
oshirish mumkin.
Genetik algoritmni optimallashgan usullardan farqlaydigan to‘rtta usul
mavjud ekan:
Kodlarni to‘g‘ri almashtirish;
Yagona nuqtadan emas, populyasiyadan izlash;
Elementlar orqali izlash (ko‘r-ko‘rona izlash);
Determinallangan qoidalarni emas, stoxastik va o‘zgartirilgan
operatorlarni qo‘llab izlash.
Genetik algoritmni injenerlik masalalarini yechishda ishlatish hisoblash
hajmi va vaqtini qisqartiradi va funksiyalarni modellashtirishni osonlashtiradi,
modellashtirishda xatolar sonini kamaytiradi.
Do'stlaringiz bilan baham: |