الگوریتم های نقطه-درونی اولیه-دوگان برای بهینه سازی نیمه-معین بر پایه ی یک هسته ی ساده
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در این رساله ما روش های نقطه درونی (ipms) را برای مسائل بهینه سازی نیمه معین (sdo) مطالعه می کنیم. ipms برای مسائل sdo به علت پیچیدگی چند جمله ای و کارایی اجرایی آن ها به وفور مورد مطالعه قرار گرفته اند. sdo به عنوان یک مسئله ی بهینه سازی مخروطی (co)، یک مسئله ی بهینه سازی محد
در این پایان نامه، الگوریتم نقطه درونی اولیه-دوگان جدیدی را برای حل حالت خاصی از مسئله ی بهینه سازی نیمه معین محدب درجه دو، مبتنی بر تابع هسته بیان می کنیم. تابع هسته پارامتری ارائه شده در بدست آوردن جهت های جستجو ی جدید و همچنین اندازه گیری فاصله ی بین نقاط تکرار داده شده از µ-م
در این پایان نامه یک الگوریتم نقطه درونی اولیه- دوگان فضای پوچ برای حل مسایل بهینه سازی غیر خطی با قیدهای مساوی و نامساوی کلی ارائه می دهیم. الگوریتم بطور تقریبی یک دنباله از زیر مسأله های مانع محدود شده مساوی را بوسیله محاسبه یک گام فضای برد و یک فضای پوچ در هر تکرار حل میکند. ت
روش های نقطه-درونی اولیه-دوگان برای حل بسیاری از مسائل بهینه سازی موثر می باشند، از لحاظ تئوری بهترین کران پیچیدگی شناخته شده برای الگوریتم های با طول گام کوتاه، در مقایسه با الگوریتم ها ی بهنگام سازی بزرگ بهتر است ولی در عما الگوریتم های بهنگام سازی بزرگ موثر واقع شدند که این پد
در این پایان نامه ، الگوریتم های نقطه درونی اولیه – دوگان برای بهینه سازی مخروط مرتبه دوم ، بر پایه توابع هسته متنوع ارائه می شود. و توابع هسته پیچیدگی بهتری را نتیجه می دهند، لذا از اهمیت زیادی برخوردارند. این دسته از توابع هسته ، قبلا" در بهینه سازی خطی بررسی شده است . کران های
مسائل بهینه سازی نیمه معین ، (sdo) مسائل بهینه سازی محدبی در اشتراک یک مجموعه آفینی و مخروط ماتریس های نیمه معین مثبت هستند. اخیرا یک الگوریتم نقطه درونی نشدنی اولیه- دوگان با بهترین کران تکرار برای بهینه سازی خطی طراحی شده است که گام کامل نیوتن را به کا رمی برد. دراین پایان نامه