XiaoMi-AI文件搜索系统
World File Search System迭代
使用迭代算法计算混凝土的软化曲线
其唇缘。传递应力与唇缘张开之间的关系是材料的一种特性，称为软化曲线。直接测量该函数极其困难，因此，为了确定它，采用了间接程序。它们包括将真实曲线近似为依赖于多个参数的分析曲线，并通过实验确定这些参数[5,6]。最显着的简化模型之一是双线性曲线，由两个直线段组成，取决于三个参数：粘结阻力、断裂能和两个双线性段之间的分离点坐标。该曲线可以可靠地预测混凝土行为[6,13]。在[14]中可以找到一种不同的方法，其中软化曲线由一组材料参数参数化，这些参数确定为最小化实验结果和数值结果之间的差异。在当前工作中，应用迭代算法，该算法
第1部分：优势和迭代策略消除
定义，我们说如果存在另一个策略x'i，则严格主导了策略xi∈Xi。我们说x i如果存在x'i，那么x'i x i，对于某些x - i∈X - i，u i（x - i; x'i; x'i）> u i（x - i; x i）。显然，严格统治的策略是“不好的”：“理性”的玩家会很愚蠢。弱统治的策略不一定是“不好”。这取决于您认为其他人会玩的内容。特别是，每个人都在扮演一个弱主导的策略：（0，0）（0，0）（0，0）（0，0）（1，1）
模块7政策迭代 - 第16讲 - 滑铁卢大学
- 我们知道，𝐻∗≥𝐻𝐻≥𝐻=𝑉=𝑉=𝑉 - 让𝜋+1 =𝑎𝑟𝑔𝑚𝑎𝑥+1 =𝑎𝑟𝑔𝑚𝑎𝑥𝑎+𝑎+𝛾𝑇𝑎𝑎𝑎𝑎𝑛𝑉𝑎𝐻𝐻𝐻𝐻𝐻∗ ∗ = ∗ =𝑉=𝑅=𝑅=++1+1+1+1+1+1+1+1+1+1+𝐼𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑛+1𝑉𝑉 - 因此𝑉+1 =𝐼𝐼𝑛+1 -1 - 𝑛++1≥𝑉
b'假设 S i 是标准形式博弈 G 中局内人 i D 1; : : : ; n 的有限纯策略集，因此 SDS 1 : : : S n 是 G 的纯策略方案集，i .s/ 是局内人选择策略方案 s 2 S 时局内人 i 的收益。我们将在 S 中有支持的混合策略集表示为 SDS 1 : : : S n ，其中 S i 是在 S i 中有支持的局内人 i 的混合策略集，或者等价地，S i 成员的凸组合集。我们用 S i 表示除 i 之外所有局内人的混合策略向量集。如果对于每个 i 2 S i ， i .si ; i / > i .s 0 i ; i / ，则我们说 s 0 i 2 S i 被 si 2 S i 强支配。如果对于每个 i 2 S i ， i .si ; i / i .s 0 i ; i / ，且对于至少一个 i 的选择，不等式是严格的，则我们说 s 0 i 被 si 弱支配。请注意，一种策略可能不会被任何纯策略强支配，但可能被混合策略强支配。假设 si 对于玩家 i 是一种纯策略，使得玩家 i 的每个 0 i \xc2\xa4 si 都被 si 弱（分别强）支配。我们称 sia 为 i 的弱（分别强）支配策略。如果存在一个所有玩家都使用支配策略的纳什均衡，我们称其为支配策略均衡。一旦我们消除了每个玩家的劣势策略，结果往往是一开始不占优势的纯策略现在占优势了。因此，我们可以进行第二轮消除劣势策略。事实上，这可以重复进行，直到纯策略不再以这种方式被消除。在 \xef\xac\x81nite 游戏中，这将在 \xef\xac\x81nite 轮次之后发生，并且每个玩家总是会剩下至少一个纯策略。如果强（或弱）劣势策略被消除，我们称之为强（或弱）劣势策略的迭代消除。
b'假设 S i 是标准形式博弈 G 中局内人 i D 1; : : : ; n 的有限纯策略集，因此 SDS 1 : : : S n 是 G 的纯策略方案集，i .s/ 是局内人选择策略方案 s 2 S 时局内人 i 的收益。我们将在 S 中有支持的混合策略集表示为 SDS 1 : : : S n ，其中 S i 是在 S i 中有支持的局内人 i 的混合策略集，或者等价地，S i 成员的凸组合集。我们用 S i 表示除 i 之外所有局内人的混合策略向量集。如果对于每个 i 2 S i ， i .si ; i / > i .s 0 i ; i / ，则我们说 s 0 i 2 S i 被 si 2 S i 强支配。如果对于每个 i 2 S i ， i .si ; i / i .s 0 i ; i / ，且对于至少一个 i 的选择，不等式是严格的，则我们说 s 0 i 被 si 弱支配。请注意，一种策略可能不会被任何纯策略强支配，但可能被混合策略强支配。假设 si 对于玩家 i 是一种纯策略，使得玩家 i 的每个 0 i \xc2\xa4 si 都被 si 弱（分别强）支配。我们称 sia 为 i 的弱（分别强）支配策略。如果存在一个所有玩家都使用支配策略的纳什均衡，我们称其为支配策略均衡。一旦我们消除了每个玩家的劣势策略，结果往往是一开始不占优势的纯策略现在占优势了。因此，我们可以进行第二轮消除劣势策略。事实上，这可以重复进行，直到纯策略不再以这种方式被消除。在 \xef\xac\x81nite 游戏中，这将在 \xef\xac\x81nite 轮次之后发生，并且每个玩家总是会剩下至少一个纯策略。如果强（或弱）劣势策略被消除，我们称之为强（或弱）劣势策略的迭代消除。
可用性规范作为迭代开发工具。 - DTIC
摘要：当代计算机系统的可用性引发了人们对可用性在系统设计过程中所扮演角色的关注。在本章中，我们批评了由充分阐述的设计替代方案的可用性分析组成的方法。原则上，这种方法无法支持最初产生替代设计的设计过程。我们开发了一种基于可用性规范的方法：针对典型用户执行其预计使用系统时所执行的典型任务，提供精确、可测试的性能目标陈述。反过来，必须将这些因素纳入他们的行为先决条件（我们称之为子技能）中，以便查明和解决设计中的特定问题。与功能规范一样，可用性规范及其所暗示的子技能被视为在整个设计过程中不断完善和改进。介绍了一个来自文本编辑领域的扩展示例。
可用性规范作为迭代开发中的工具。 - DTIC
但如何才能实现这一点呢？Alexander 建议可以开发正式的分析方法来指导无意识的分解（例如，1964：附录 2）。他的方法是将设计表示为一个互连点的空间：每个点都是一个规范，其与其他点的连接程度和特征模拟了相应规范之间的关系。此表示中高度互连的点的群集对应于高度相互关联的规范的集合。Alexander 希望开发一种正式的方法，将整个规范空间划分为这种高度互连的群集。在此基础上开发的详尽划分将是设计问题的无意识分解，因为它将完全基于规范之间的关系，而不是基于先验的分类和分组。