Курсовая работа: Сервис для моделей оптимизации на основе рекуррентных алгоритмов

Оглавление

Оглавление
Аннотация
Введение
Сравнение с близкими продуктами
Глава 1. Рандомизированные алгоритмы стохастической аппроксимации
Основные предположения. Постановка задачи
Глава 2. Сервис рекуррентных алгоритмов RecService
Язык описания компонентов и задач
Глава 3. Применения
Вводный пример
Интерактивный определитель в Интернет
Рис. 2 Общая модель определителя с компонентом для расчета по методу Лобанова
Метод адаптивной балансировки
Задача балансировки
Алгоритм балансировки
Метод подстройки пользовательских приоритетов при поиске по коллекциям изображений
Задача подстройки приоритетов
Адаптивный метод средних рандомизированных показателей
Заключение. Результаты
Литература

Аннотация

Дипломная работа содержит определение языка для описания систем, использующих рекуррентные алгоритмы стохастической оптимизации. Описывается разработанный автором прототип сервиса задания исполняемых моделей, способных взаимодействовать через веб-службы с внешними системами и хранить свое состояние в реляционной СУБД. Приведены примеры, иллюстрирующие использование сервиса в различных задачах информатики и управления.
Модели состоят из компонентов. Каждый компонент решает определенную задачу или несколько задач. Модель задается на уровне задач, то есть имеется возможность замены одного компонента на другой, если оба решают одинаковую задачу.
Сервис является легко расширяемым, так как основан на открытых стандартах описания данных и информационных потоков. Планируемые расширения связаны с построением удобного графического интерфейса для управления хранилищем компонентов