Tolygus tinklelis

$$\begin{eqnarray}r_n=\max_x \min_i \vert\vert x-x^i \vert\vert. \end{eqnarray}$$

Tinklelis $x(n)=(x^i,\ i=1,...,n)$ tuo geresnis, kuo didziausia "skyle" $r_n$ mazesne

$$\begin{eqnarray}R_n=arg \min_{x(n)}\ r_n. \end{eqnarray}$$

Toks tinklelis minimizuoja maksimalia paklaida $\epsilon$, optimizuojant Lifšico funkcijas

$$\begin{eqnarray}\frac{\vert\vert f(x^i)-f(x_j)\vert\vert}{\vert\vert x^i-x_j\vert\vert} \le L < \infty, \end{eqnarray}$$

kur $L$ Lifšico konstante,
$\epsilon \le L R_n$.
Kai $x$ turi daug komponenciu,
tolygu tinkleli sunku sudaryti.
Tada naudojam aproksimacijas:
arba geresne "Lptau",
arba primityvia "Monte Carlo", kai $x^i$ parenkami su vienodomis tikimybemis.