§ 1.9. Заключение

В этой главе мы стремились в общих чертах охарактеризовать проблему оптимальности, ее формулировку и пути решения. Нам хотелось также обратить внимание на различие и особенно на сходство проблем оптимальности для детерминированных и стохастических процессов. Мы отметили, что подход к решению проблемы оптимальности определяется в зависимости от степени полноты априорной информации. При достаточной априорной информации используется обычный подход, при недостаточной априорной информации — адаптивный. Впрочем, как мы увидим далее, иногда адаптивный подход оказывается предпочтительным даже в тех случаях, когда можно подход. Такая ситуация возникает тогда, когда априорная информация может быть получена экспериментальным путем в результате обработки тех или иных процессов. Примером такого рода может служить определение плотностей распределения или корреляционных функций, которые затем используются для решения оптимальной задачи. Не лучше ли в этом случае решать проблему оптимальности адаптивным путем, что позволяет обойтись без получения этой априорной информации и зачастую требует меньшего объема вычислений?

Чтобы освободиться от сильной идеализации и переупрощения реальных задач, в качестве основного метода мы изберем алгоритмический. Это дает нам возможность получать эффективные алгоритмы решения проблемы оптимальности и в сложных случаях, используя для этой цели разнообразные средства вычислительной техники.