Когда поиск относительно максимальных подгрупп редуцируется к факторгруппам? (original) (raw)
Когда поиск относительно максимальных подгрупп редуцируется к факторгруппам?
Известия Российской академии наук. Серия математическая
Пусть mathfrakX\mathfrak{X}mathfrakX - класс конечных групп, замкнутый относительно подгрупп, гомоморфных образов и расширений, и mathrmkmathfrakX(G)\mathrm{k}_{\mathfrak{X}}(G)mathrmkmathfrakX(G) - число классов сопряженности mathfrakX\mathfrak{X}mathfrakX-максимальных подгрупп конечной группы GGG. Естественная задача - описать с точностью до сопряженности mathfrakX\mathfrak{X}mathfrakX-максимальные подгруппы данной конечной группы - не индуктивна. В частности, в образе гомоморфизма образ mathfrakX\mathfrak{X}mathfrakX-максимальной подгруппы, вообще говоря, не mathfrakX\mathfrak{X}mathfrakX-максимален. Существуют гомоморфизмы, сохраняющие число классов сопряженности максимальных mathfrakX\mathfrak{X}mathfrakX-подгрупп (например, гомоморфизмы, ядра которых - mathfrakX\mathfrak{X}mathfrakX-группы). Относительно таких гомоморфизмов образ mathfrakX\mathfrak{X}mathfrakX-максимальной подгруппы всегда mathfrakX\mathfrak{X}mathfrakX-максимален и существует естественная биекция между классами сопряженности mathfrakX\mathfrak{X}mathfrakX-максимальных подгрупп образа и прообраза. В работе такие гомоморфизмы полностью описаны. Доказано, что для гомоморфизма phi\phiphi из группы GGG равенст...
Related papers
Гауссове наближення в оптимізаційній задачі моделі гри у меншості
Ukrainian Journal of Physics, 2022
Методами статистичної фізики досліджено оптимізаційну задачу у відомій моделі гри у меншості. Оптимізаційну задачу зведено до вивчення основного стану реплічного гамільтоніана з випадковими параметрами деякої ефективної системи з неперервним спіном. Використовуючи ідеї центральних граничних теорем теорії ймовірностей, отримано представлення для функції розподілу параметрів гамільтоніана і виконано перехід до гауссового розподілу у випадку великих P. Застосовуючи наближення 1RSB та 2RSB в методі реплік, отримано залежність мінімуму досліджуваної величини від параметра α. Показано, що в області застосовності запропонований метод дає менші значення мінімуму, ніж в оригінальнихроботах.
Роль количества неформальных подгрупп в эффективности производственной малой группы
Организационная психология
Цель. Целью исследования является изучение соотношения эффективности производственных групп и существующих в них неформальных подгрупп, а именно: связи количества неформальных подгрупп в группах с двумя видами групповой эффективности — предметно-деятельностной и социально-психологической. Дизайн. Выборка включает 78 групп из разных организаций и с разным содержанием профессиональной деятельности, а общее число участников составляет 655 человек. Для выявления неформальных подгрупп использовался специальный формализованный алгоритм, а для изучения групповой эффективности — два авторских опросника. Предметно-деятельностная эффективность группы оценивалась отдельно руководителями и членами групп по двум показателям (выполнение плана и задач, деятельность в трудных условиях). Социально-психологическая эффективность измерялась также по двум показателям (удовлетворённость членов группой и психологический комфорт членов в группе) на основе оценок сотрудников. Эмпирическое исследование прово...
К задаче минимизации совпадений в положительной коразмерности
Математические заметки, 2008
Пусть f , g-отображения между гладкими многообразиями M и N размерностей соответственно n + m и n (m > 0, n > 2). Предполагается, что образ (f xg)(M) пересекает диагональ N × N в конечном числе точек, прообраз каждой из которых есть гладкое m-подмногообразие в M. Рассматривается задача минимизации множества совпадений Coin(f, g) отображений f , g по отношению к этим прообразам и/или их компонентам. Работа содержит усиление предыдущих результатов автора. А именно, получены достаточные условия для удаления такого m-подмногообразия совпадений без дополнительных размерностных ограничений. Библиография: 32 названия.
Теоретическая и математическая физика, 2016
Представлен новый мультикритериальный алгоритм глобального поиска минимума. Выполнена проверка его работоспособности на функциях Растригина и Михалевича. Обсуждается выбор целевой функции и дополнительных критериев поиска применительно к задаче оптимизации потенциала ReaxFF (Reactive Force Field). Рассматривается способ упорядочения всех параметров по степени их влияния на целевую функцию. Ключевые слова: молекулярная динамика, потенциал взаимодействия, химически-реактивные системы, реактивное силовое поле, оптимизация параметров, поиск глобального экстремума.
Loading Preview
Sorry, preview is currently unavailable. You can download the paper by clicking the button above.