Algoritmi rapizi CMMP-R i VI-R fr fereastr

Contextul de lucru
Majoritatea proceselor furnizoare de date sunt neliniare i/sau 11.5 p
posed parametri variabili n timp.
Identificarea proceselor cu parametri variabili n timp se realizeaz cu ajutorul
modelelor i metodelor adaptive (recursive).
Prin identificare recursiv, se urmrete asigurarea unui compromis ntre dou caracteristici opuse
ale estimaiei parametrilor necunoscui (variabili pe orizontul de msur):
Adaptabilitate Precizie
Caracteristici Estima ia vectorului
Estimaia vectorului parametrilor
parametrilor
model adaptiv necunoscu
necunoscuii se
se reactualizeaz
reactualizeaz folosind
folosind
datele
datele msurate
msurate pe pe orizontul
orizontul de
de adaptare
adaptare..

k
= k 1
+ k
K K K
K K K
k N
K
0 Ko Dimensiune
Optim orizont de adaptare Corecie
Corecie
Adaptabilitatea
Adaptabilitatea scade
scade,, n
n timp
timp ce
ce precizia
precizia cre te odat
crete odat cu
cu dimensiunea
dimensiunea orizontului
orizontului de
de adaptare
adaptare..

Cu
Cu cct
t se
se achizi ioneaz mai
achiziioneaz mai multe
multe date
date ntre
ntre momentele
momentele de de reactualizare,
reactualizare, cu
cu att adaptarea
att adaptarea se
se efectueaz
efectueaz
mai
mai rar
rar,, m odelul fiind
modelul fiind incapabil
incapabil s
s surprind
surprind varia iile caracteristicilor
variaiile caracteristicilor procesului
procesului ntre
ntre aceste
aceste momente.
momente.
n
n schimb,
schimb, precizia
precizia modelului
modelului cre te, ddeoarece
crete, eoarece parametrii
parametrii si
si
i cu
L.115
sunt
sunt determina
determinai cu ajutorul
ajutorul unui
unui set
set mai
mai bogat
bogat de
de date.
date.
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Contextul de lucru
Asigurarea compromisului precizie-adaptabilitate este dificil.
Exemplu
Exemplu Cazul
Cazul parametrului
parametrului scalar,
scalar, variabil
variabil n
n timp
timp..
Tub de varian larg
Tub de varian ngust
* *
^
^

0 K 2K 3K 0 K 2K3K
n n
Orizont de adaptare larg Orizont de adaptare ngust
Valorile estimate ale parametrului sunt Valorile estimate ale parametrului sunt
relativ apropiate de cele adevrate i relativ deprtate de cele adevrate i
tubul de varian este relativ ngust. tubul de varian este relativ larg.
Graficul parametrului estimat este neted, deci Graficul parametrului estimat urmrete
modelul sesizeaz mai puin variaiile locale variaiile locale ale parametrului adevrat,
ale parametrului adevrat. cu o anumit acuratee.
k = k 1 + k
K =? Se
Se sacrific
sacrific precizia
favoarea
precizia n
favoarea adaptabilit
n
ii.
adaptabilitii. K =1 L.116
k N
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Contextul de lucru
Algoritmul
Algoritmul recursiv
recursiv CMMP /VI de
CMMP/VI de baz
baz n
n IS
IS
Date de intrare:
a. ordinele modelului de identificare: na , nb , nc , nd i nf ;
b. o colecie redus de date intrare-ieire msurate (dac este posibil):
D N 0 = { u [ n ]} n 1 , N { y [ n ]} n 1 , N (cu N 0 de ordinul zecilor cel mult);
0 0

c. un semnal instrumental extern: { f [ n ]} n 1 (eventual).

1. Dac nu a fost specificat nici un semnal instrumental, vectorul variabilelor
instrumentale, , este identic cu vectorul regresorilor . Altfel, este definit
ca n cazul MVI, dar folosind n general semnalul instrumental extern f n
locul intrrii u (n particular, este posibil ca f u ).
2. Iniializare. Fie se seteaz arbitrar vectorul parametrilor 0 i matricea

P 0 = I n (cu R + ) (n cazul n care nu se dispune de setul de date redus
D N 0 ), fie se estimeaz valoarea iniial a parametrilor ( 0 ) folosind o metod
off-line adecvat modelului particular utilizat (din clasa MCMMP-MVI) i se
egaleaz matricea P 0 cu inversa matricii de covarian R 0 folosit n calculul
lui 0 (n cazul n care setul de date redus D N 0 este disponibil).
3. Pentru k 1 :
3.1. Se evalueaz eroarea de predicie curent: [ k ] = y[k ] T
[ k ] k 1 .
3.2. Se evalueaz vectorul auxiliar: k = P k 1 [k ] .

3.3. Se evalueaz ctigul de senzitivitate: = k
.
1 +
k T
[ k ] k

3.4. Se reactualizeaz inversa matricii R k , adic: P k = P k 1 k T

[ k ]P k 1
(cu evitarea inversrii explicite a matricilor).
3.5. Se reactualizeaz vectorul parametrilor: k = k 1 + k [ k ] .
Date de ieire: parametrii k ai modelului de identificare la fiecare pas de

L.117
reactualizare k 0 .
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Contextul de lucru
Algoritmul
Algoritmul recursiv
recursiv CMMP /VI de
CMMP/VI de tip
tip gradient
gradient
Date de intrare:
a. ordinele modelului de identificare: na , nb , nc , nd i nf ;
b. ctigul de gradient: R + ;
c. o colecie redus de date intrare-ieire msurate (dac este posibil):
D N 0 = { u [ n ]} n 1 , N { y [ n ]} n 1 , N (cu N 0 de ordinul zecilor, cel mult);
0 0

d. un semnal instrumental extern: { f [ n ]} n 1 (eventual).

1. Dac nu a fost specificat nici un semnal instrumental, vectorul variabilelor
instrumentale, , este identic cu vectorul regresorilor . Altfel, este definit
ca n cazul MVI, dar folosind n general semnalul instrumental extern f n
locul intrrii u (n particular, este posibil ca f u ).
2. Iniializare. Fie se seteaz arbitrar vectorul parametrilor 0 (n cazul n care nu
se dispune de setul de date redus D N 0 ), fie se estimeaz valoarea iniial a

parametrilor ( 0 ) folosind o metod off-line adecvat modelului particular

utilizat (din clasa MCMMP-MVI) (n cazul n care setul de date redus D N 0 este
disponibil). Se seteaz P 0 = I n .
3. Pentru k 1 :
3.1. Se evalueaz eroarea de predicie: [ k ] = y [ k ] T
[ k ] k 1 .
3.2. Se reactualizeaz matricea P k astfel: P k = P 0 (gradient ne-normalizat) sau
Pk = P0 / [ k ]
2
(gradient normalizat).
3.3. Se reactualizeaz vectorul parametrilor: k = k 1 + P k [ k ][ k ] .
Date de ieire: parametrii k ai modelului de identificare la fiecare pas de
reactualizare k 0 .
L.118
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Contextul de lucru
Algoritmul
Algoritmul recursiv
recursiv CMMP /VI cu
CMMP/VI cu filtrare
filtrare de
de tip
tip Kalman -Bucy
Kalman-Bucy
Date de intrare:
a. ordinele modelului de identificare: na , nb , nc , nd i nf ;
b. matricea de rspndire: R v > 0 ;
c. dispersia estimat a zgomotului alb de proces: 2 ;
d. o colecie redus de date intrare-ieire msurate (dac este posibil):
D N 0 = { u [ n ]} n 1 , N { y [ n ]} n 1 , N (cu N 0 de ordinul zecilor, cel mult);
0 0

e. un semnal instrumental extern: { f [ n ]} n 1 (eventual).

1. Dac nu a fost specificat nici un semnal instrumental, vectorul variabilelor
instrumentale, , este identic cu vectorul regresorilor . Altfel, este definit
ca n cazul MVI, dar folosind n general semnalul instrumental extern f n
locul intrrii u (n particular, este posibil ca f u ).
2. Iniializare. Fie se seteaz arbitrar vectorul parametrilor 0 i matricea

P 0 = I n (cu R + ) (n cazul n care nu se dispune de setul de date redus
D N 0 ), fie se estimeaz valoarea iniial a parametrilor ( 0 ) folosind o metod
off-line adecvat modelului particular utilizat (din clasa MCMMP-MVI) i se
egaleaz matricea P 0 cu inversa matricii de covarian R 0 folosit n calculul
lui 0 (n cazul n care setul de date redus D N 0 este disponibil).
3. Pentru k 1 :
3.1. Se evalueaz eroarea de predicie: [ k ] = y [ k ] T [ k ] k 1 .
3.2. Se evalueaz vectorul auxiliar: k = P k 1 [ k ] .
k
3.3. Se evalueaz ctigul de senzitivitate: k = .
2
+ T [ k ] k
3.4. Se reactualizeaz matricea P k , adic: P k = P k 1 + R v k T
[ k ]P k 1
(cu evitarea inversrii explicite a matricilor).
3.5. Se reactualizeaz vectorul parametrilor: k = k 1 + k [k ] .
Date de ieire: parametrii k ai modelului de identificare la fiecare pas de

L.119
reactualizare k 0 .
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Contextul de lucru
Procesele
Proceselegeneratoare
generatoarede
dedate
date

ARMAX[1,1,1] (1 + a1[ n]q ) y[ n] = b1[ n]q u[ n] + (1 + c1[ n]q ) e[ n] n N

1 1 1
ARMAX[1,1,1]

Parametri constani Parametri variabili

a1[ n] = a10 = 0.7 def
10 n def
4 n
a1[ n] = a10 cos 1
b [ n ] = b sgn cos N
b1[ n] = b10 = 0.6 n N N
10

c1[ n] = c10 = 0.9 def
18 n
c1[ n] = c10 Sc
e SPAB Gaussian sau bipolar de medie nul i dispersie unitar N
n N
Date generate D = {u[ n]}n =1, N { y[ n]}n =1, N
Dategenerate Pe
Pe un
un orizont
orizont mare
mare de
de timp
timp,, modelul
modelul
ales liber de ctre utilizator N 200 ARMAX
ARMAX tinde
tinde s
s devin
devin un
un model
model ARX
ARX..
Indici
Indici structurali
structurali sunt
sunt cunoscui
cunoscui na = nb = nc = 1
Test
Testde
destop
stop Epuizarea
Epuizarea datelor
datelor de
de pe
pe orizontul
orizontul de
de msur
msur..

Obiectiv
Obiectiv
Compararea performanelor metodelor recursive de identificare
fr fereastr, n cazul modelelor din clasa ARMAX.
L.120
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine preliminare[[z{{{{
Rutinepreliminare z{{{{]]
[[theta,ypred]
theta,ypred] == rnume (D,si,ma,pa) ;;
rnume(D,si,ma,pa) Rutin
Rutinee de
debibliotec
bibliotec M
MATLAB -IS
ATLAB- IS

rarmax
rarmax rarx
rarx rbj
rbj rpem
rpem rplr
rplr roe
roe
ARMAX
ARMAX ARX
ARX BJ
BJ RSISO
RSISO ARMAX
ARMAX OE
OE
MMEP -R
MMEP-R MCMMP -R
MCMMP-R MMEP -R
MMEP-R MMEP -R
MMEP-R MRPL -R
MRPL-R MMEP -R
MMEP-R

Argumentele
Argumentele de de intrare
intrare al
al acestor
acestor func ii
funcii Metoda
Metodade
deRegresie
RegresiePseudo -Liniar
Pseudo-Liniar
pot
pot fifi completate
completate cu cu variabile
variabile care
care s
s MMEP
MMEP nn care
care ss-a
-a nlocuit
nlocuit MGN
MGN cucu
indice
indice explicit
explicit oo anumit
anumit ini ializare aa
iniializare oo metod
metod de
de optimizare
optimizare maimai precis
precis::
procesului
procesului recursiv
recursiv.. Metoda
Metoda Newton -Raphson ((MNR)
Newton-Raphson MNR)
[[theta,ypred,P,phi]
theta,ypred,P,phi] == rnume (D,si,ma,pa,theta0,P0,phi0) ;;
rnume(D,si,ma,pa,theta0,P0,phi0)
D este obiectul de tip IDDATA corespunztor datelor generate (intrarea
se regsete n D.u, iar ieirea n D.y);
si este vectorul indicilor structurali i al ntrzierii modelului (ca n cazul
rutinei pem):
si = [n a nb nc nd nf n k] ; L.121
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine preliminare[[zz{{{
Rutinepreliminare zz{{{]]
[[theta,ypred,P,phi]
theta,ypred,P,phi] == rnume (D,si,ma,pa,theta0,P0,phi0) ;;
rnume(D,si,ma,pa,theta0,P0,phi0)
ma este un argument care indic metoda de adaptare a algoritmului off-line
la algoritmul on-line (ir de 2 caractere):
'ff' se va opera cu criteriu ptratic afectat de fereastr
exponenial (i.e. cu factor de uitare; 'ff' = forgetting factor);
'ug' se va utiliza o metod de gradient (Newton-Raphson) ne-
normalizat ('
'ug' = unnormalized gradient);
'ng' se va utiliza o metod de gradient (Newton-Raphson)
normalizat ('
'ng' = normalized gradient);
'kf' se va utiliza reprezentarea pe stare i filtrarea Kalman (aici:
'kf' = Kalman filtering);
pa este un parametru de adaptare corespunztor metodei de adaptare a
algoritmului off-line la algoritmul on-line, adic argumentului ma (scalar
sau matrice):
factorul de uitare (scalar) pentru fereastra exponenial (cnd
argumentul ma este setat cu 'ff');
ctigul dorit (scalar) n cazul utilizrii algoritmilor de gradient (cnd
argumentul ma este setat cu 'ug' sau 'ng');
R v matricea de rspndire n cazul utilizrii algoritmului bazat pe
filtrare Kalman (cnd argumentul ma este setat cu 'kf'); n acest
caz, parametrul 2
(dispersia zgomotului alb) este considerat
implicit egal cu 1; dac, n realitate,
2
nu este unitar, se poate
demonstra c estimaia parametrilor nu este afectat dac se
scaleaz matricile R v i P 0 cu valoarea estimat a sa (urmnd s
se lucreze tot cu 2
= 1 , ca n cazul implicit). L.122
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine preliminare[[zzz{{
Rutinepreliminare zzz{{]]
[[theta,ypred,P,phi]
theta,ypred,P,phi] == rnume (D,si,ma,pa,theta0,P0,phi0) ;;
rnume(D,si,ma,pa,theta0,P0,phi0)
theta este matricea parametrilor estimai variabili n timp; fiecare linie a
matricii memoreaz valoarea parametrilor la un anumit moment de
timp; numrul de linii este egal cu lungimea orizontului de msur
(adic a vectorilor D.u i D.y); pe fiecare linie, parametrii sunt precizai
n ordinea alfabetic a numelor polinoamelor pe care le reprezint ( A ,
B , C , D , F );
ypred este vectorul ieirii predictate a procesului la fiecare moment de timp,
folosind modelul matematic reactualizat; lungimea sa este egal cu
lungimea orizontului de msur.
theta0 este vectorul iniial al parametrilor;
P0 este matricea iniial P0 ;
phi0 este vectorul iniial al regresorilor [0] ;
P este matricea final PN ;
este vectorul final al regresorilor [ N ] .
L.123
phi
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Probleme de simulare
Contextul
Contextulde
delucru
lucru Inexistent
Inexistent n
n biblioteca
biblioteca
Rutine preliminare[[zzzz{
Rutinepreliminare zzzz{]]
MMATLAB -IS. Disponibil
ATLAB-IS. Disponibil pe
pe site.
site.
[[theta,ypred,P,phi,z]
theta,ypred,P,phi,z] == riv(D,si,f,lambda,theta0,P0,phi0,z0)
riv(D,si,f,lambda,theta0,P0,phi0,z0) ;; MVI -R
MVI-R
f este semnalul instrumental (implicit: f=D.u);
lambda este factorul de uitare ( (0,1] ) (implicit: lambda=1);
z0 este vectorul iniial al instrumentelor [0] ;
z este vectorul final al instrumentelor [ N ] .
Restul
Restul argumentelor
argumentelor func iei au
funciei au fost
fost explicitate
explicitate mai
mai nainte,
nainte, iar
iar
indicii
indicii structurali si con
structurali si in numai
conin numai ordinele
ordinele modelului
modelului ARX
ARX..
Cu
Cu toate
toate acestea
acestea,, algoritmul
algoritmul este
este implementat
implementat numai
numai n
n varianta
varianta
cu
cu fereastr
fereastr exponen ial (de
exponenial (de aceea
aceea argumentul ma lipse
argumentul ma te).
lipsete).
[D,V,P]
[D,V,P] == gdata_vp (cv,N,sigma,lambda,bin) ;; (genereaz date)
gdata_vp(cv,N,sigma,lambda,bin)
cv este un comutator care arat tipul de proces: cu parametri constani
(cv=0) sau cu parametri variabili (cv~=0); (implicit: cv=0);
N este orizontul de msur (implicit: N=250);
este deviaia standard a intrrii SPA (implicit: sigma=1); L.124
sig ma
L.124
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine preliminare[[zzzzz
Rutinepreliminare zzzzz]]
[D,V,P]
[D,V,P] == gdata_vp (cv,N,sigma,lambda,bin) ;; (genereaz date)
gdata_vp(cv,N,sigma,lambda,bin)
lambda este deviaia standard a zgomotului alb Gaussian
(implicit: lambda=1);
b in este un parametru care arat tipul de intrri dorit: bin=0 (intrare
SPAB Gaussian); bin~=0 (implicit, intrare SPAB Gaussian
bipolar);
D este obiectul de tip IDDATA corespunztor datelor generate (intrarea
se regsete n D.u, iar ieirea n D.y);
V este obiectul de tip IDDATA corespunztor zgomotelor generate
(zgomotul alb se regsete n V.u, iar zgomotul colorat (adic MA-
filtrat) n V.y);
P este obiectul de tip IDMODEL corespunztor modelului de proces
furnizor de date; n cazul parametrilor constani: P.a=[1 a0],
P.b=[0 b0], P.c=[1 c0]; n cazul parametrilor variabili: P.a=[1
a], P.b=[0 b], P.c=[1 c] (unde a, b i c sunt vectorii de variaie).
Se
Se vor
vor genera
genera 22 seturi
seturi de
de date:
date: unul
unul provenit
provenit de
de la
la procesul
procesul cu
cu parametri
parametri constan i
constani
ii altul
altul de
de la
la procesul
procesul cucu parametri
parametri variabili
variabili.. L.125
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Probleme de simulare
Problema
Problema 7.1
7.1 ((Identificare
Identificare recursiv
recursiv comparativ
comparativ cu
cu algoritmul
algoritmul de
de baz
baz))
Mini-simulatorul ISLAB_7A efectueaz o comparaie ntre cele 4 metode de
identificare recursive menionate, adic: MCMMP-R, MVI-R, MMEP-R i
MRPL-R, folosind setul de date Dc (generate de procesul cu parametri
constani). Primele dou metode opereaz cu modelul ARX[1,1] (extras din
modelul ARMAX prin anularea componentei MA), n timp ce ultimele dou cu
modelul ARMAX[1,1,1]. Pentru aprecierea performanelor lor, sunt afiate
4 ferestre grafice care includ variaiile parametrilor reali (aici constani)
suprapuse peste variaiile parametrilor estimai i variaia ieirii simulate
suprapuse peste ieirea real (msurat) a procesului.
a. S se comenteze rezultatele obinute cu ajutorul mini-simulatorului
ISLAB_7A. Care ar fi explicaiile performanelor mai slabe ale MCMMP-R n
estimarea parametrului prii AR?
b. S se proiecteze mini-simulatorul ISLAB_7B, similar ca structur cu
ISLAB_7A, dar care opereaz cu datele Dv (generate de procesul cu
parametri variabili). Comentai rezultatele obinute.

Program
Program Program
Programcece
ISLAB_7A ISLAB_7B
L.126
existent ISLAB_7A trebuie proiectat ISLAB_7B
existent trebuie proiectat
Algoritmi rapizi CMMP-R i VI-R fr fereastr
Ce
Ceafieaz mini
afieaz -simulatorul ISLAB_7A
mini-simulatorul ISLAB_7A[[z{{{
z{{{]]

Estima ie inconsistent
Estimaie inconsistent..

Estima ie consistent
Estimaie consistent..

Performanele
PerformaneleMCMMP -R n
MCMMP-R ncazul
cazulmodelului
modeluluiARX
ARX L.127
Algoritmi rapizi CMMP-R i VI-R fr fereastr
Ce
Ceafieaz mini
afieaz -simulatorul ISLAB_7A
mini-simulatorul ISLAB_7A[[zz{{
zz{{]]

Estima ie consistent
Estimaie consistent..

Estima ie consistent
Estimaie consistent..

Performanele
PerformaneleMVI -R n
MVI-R ncazul
cazulmodelului
modeluluiARX
ARX L.128
Algoritmi rapizi CMMP-R i VI-R fr fereastr
Ce
Ceafieaz mini
afieaz -simulatorul ISLAB_7A
mini-simulatorul ISLAB_7A[[zzz{
zzz{]]

Estima ie consistent
Estimaie consistent..

superioar.
Eficien superioar.
ie consistent

Eficien
Estima
Estimaie consistent..

Estima ie consistent
Estimaie consistent..

Performanele
PerformaneleMMEP -R n
MMEP-R ncazul
cazulmodelului
modeluluiARMAX
ARMAX L.129
Algoritmi rapizi CMMP-R i VI-R fr fereastr
Ce
Ceafieaz mini
afieaz -simulatorul ISLAB_7A
mini-simulatorul ISLAB_7A[[zzzz
zzzz]]

Estima ie consistent
Estimaie consistent..

ridicat.
i complexitate ridicat.
maxim,
Eficien maxim,

Estima ie consistent
Estimaie consistent..

Eficien

Estima ie consistent
Estimaie consistent..

dar i
Performanele
PerformaneleMPRL -R n
MPRL-R ncazul
cazulmodelului
modeluluiARMAX
ARMAX L.130
 Algoritmi rapizi CMMP-R i VI-R fr fereastr
Probleme de simulare
Problema
Problema 7.2
7.2 ((Identificare
Identificare recursiv
recursiv cu
cu diferite
diferite iniializri)
iniializri)
S se proiecteze mini-simulatorul ISLAB_7C, care s afieze performanele
MCMMP-R i MVI-R n cazul modelelor ARX cu parametri constani i variabili
pentru iniializrile P 0 = I , cu { 0 .0 0 1, 0 .0 1, 0 .1,1,1 0 ,1 0 0 ,1 0 0 0} . Descriei
influena factorului i efectuai o analiz comparativ.

Program
Programce
cetrebuie
trebuieproiectat
proiectat ISLAB_7C
ISLAB_7C
Problema
Problema 7.3
7.3 ((Identificare
Identificare recursiv
recursiv comparativ
comparativ))
Se consider doar procesul ARMAX cu parametri variabili, pentru valori mari ale
momentelor de timp. Din acest motiv, procesul va fi aproximat cu unul de tip
ARX, adic se va neglija variaia coeficientului c 1 . Pentru a genera datele
corespunztoare, se va utiliza tot funcia gdata_vp, dar cu o durat a simulrii
stabilit la 1000 de eantioane. Pentru experimentul care urmeaz, se vor
selecta ns doar ultimele 250 de date I/O.
a. S se proiecteze rutinele arx_nabla i arx_KB, care implementeaz
algoritmii recursvi CMMP/VI de tip gradient, respectiv cu filtrare de tip
Kalman-Bucy. Rutinele vor avea argumentele principale de intrare i ieire
similare rutinelor rarx, riv.
b. S se proiecteze mini-simulatorul ISLAB_7D, similar ca structur cu
ISLAB_7B, dar care ofer posibilitatea utilizatorului de a selecta oricare
dintre cei 6 algoritmi recursivi (cei 4 din cadrul ISLAB_7B, plus cei doi
implementai prin rutinele de la punctul anterior). Efectuai diferite simulri cu
ajutorul programului ISLAB_7D, care s pun n eviden deosebirile dintre
cei 6 algoritmi. Comentai rezultatele obinute.

Program
Program &
&rutine
rutinece
cetrebuie
trebuieproiectate
proiectate ISLAB_7D
ISLAB_7D arx_nabla
arx_nabla arx_KB
arx_KB L.131