دانلود کتاب A bundle-filter method for nonsmooth convex constrained optimization
49,000 تومان
یک روش فیلتر بستهای برای بهینهسازی محدود محدب غیرهموار
| موضوع اصلی | بهینه سازی، تحقیق در عملیات |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| تعداد صفحه | 24 |
| حجم فایل | 295 کیلوبایت |
| نویسنده | Ademir Ribeiro, Claudia Sagastizabal, Elizabeth Karas |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2007 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
یک روش فیلتر بستهای برای بهینهسازی محدود محدب غیرهموار
برای حل مسائل بهینهسازی محدود محدب غیرهموار، ما الگوریتمی را پیشنهاد میکنیم که ایدههای روشهای بسته پروگزیمال را با استراتژی فیلتر برای ارزیابی نقاط نامزد ترکیب میکند. الگوریتم به دست آمده برخی از ویژگی های جذاب را از هر دو رویکرد به ارث می برد. از یک طرف، کنترل مؤثر اندازه زیرمسائل برنامهریزی درجه دوم را از طریق تکنیکهای فشردهسازی و تجمع روشهای پروگزیمال باندل امکانپذیر میکند. از سوی دیگر، معیار فیلتر برای پذیرش یک نقطه کاندید به عنوان تکرار جدید، گاهی راحتتر از شرایط نزول معمول در روشهای بستهای برآورده میشود. برخی از نتایج محاسباتی اولیه دلگرم کننده نیز گزارش شده است.
A bundle-filter method for nonsmooth convex constrained optimization
For solving nonsmooth convex constrained optimization problems, we propose an algorithm which combines the ideas of the proximal bundle methods with the filter strategy for evaluating candidate points. The resulting algorithm inherits some attractive features from both approaches. On the one hand, it allows effective control of the size of quadratic programming subproblems via the compression and aggregation techniques of proximal bundle methods. On the other hand, the filter criterion for accepting a candidate point as the new iterate is sometimes easier to satisfy than the usual descent condition in bundle methods. Some encouraging preliminary computational results are also reported.

نقد و بررسیها
هنوز بررسیای ثبت نشده است.