「他の誰かが、誰にとっても明らかなことを言わなければなりません。」
エピグラフのように、Google / Yandexは著者を見つけられませんでした
オブジェクトのモデルを構築する場合、出力Tに影響を与えるいくつかのパラメーターP（i）を持つブラックボックスの表現に縮小できます。複雑な多次元オブジェクトの場合、これらはさまざまな平面/感覚での「セクション」のモデルになります。
理想的なケースでは、モデルの構築に必要な情報を取得するために、各パラメーターに許可された値の範囲内で十分に小さい（均一な）ステップで与えられた、パラメーターのすべての組み合わせについてTの値を取得する必要があります。各パラメーター（したがって、T値）のポイントが多いほど、モデルをより正確に構築できます。ただし、実際には、パラメーターがさまざまな方法で影響を与えることがよくあり、各パラメーターを均一にステップしない方が合理的です。たとえば、許容間隔の開始時には、パラメータはTにほとんど影響を与えません。また、途中または終了時に、その影響は（さらには何度も）変化するため、このようなパラメータのステップは別の方法で実行する必要があります。
しかし、モデルの構築の開始時に、関係に関する情報がほとんどない場合、各パラメーターの値の許容範囲は均一なステップで分割されます。以前に調査したものに近いか弱く変更されたオブジェクトのモデルを構築する問題を解決するとき、許容間隔の不均一なパーティションを指定する際に、そのパラメータの影響の特異性を考慮に入れることができます。これにより、モデルで使用されるオブジェクトに関して受け取った情報の完全性を維持しながら、モデルを構築するために必要なT値の数が最小限に抑えられます。
ここで、Tの各出力値を取得するためのコスト/複雑さ/期間が非常に高いオブジェクトがあるという事実に注意する必要があります。さらに、そのようなオブジェクトとそのモデルだけに焦点を当てます。
そのようなオブジェクトを研究するプロセスでパラメータの新しい値を指定する手順は、もはや簡単ではなく（均一なステップ）、非常にコストがかかり、可能であれば、Tの動作についてすでに利用可能なすべての情報を考慮に入れる必要があります。i番目のパラメータの各ステップ/値はTの動作との現在の相関関係を考慮に入れます。これは、各ステップでオブジェクトの予備モデルが新たに構築された場合に可能になり、Tの各新しい値を取得するコスト/複雑さ/期間を考えると、これは正当化されます。
( ): , / ( ) . / / , () . . , .
, () . () . , - / . - , . , , () , / . - , , , .. - . ( ) / , .
, ( , Z, ) . . , .
T(X) (X) . , , (. ):
T(X) 3- : Xmin, (Xmin + Xmax)/2 Xmax, .. (Xmin, Xmax). .. GIF 14 .
, Z, , . " " , ( Z) , . / ( ), . , , .
Z ( ) , . , (Xmin, Xmax), 3/2 ( , ) . , .
¾ (!) .
, .
( "", ) , , ( ) Z. , , , - .