در این پایان نامه، یک روش نقطه درونی اولیه-دوگان برای بهینه سازی خطی و نیمه معین براساس تابع هسته جدید با جمله مانع مثلثاتی ارائه می شود. نشان می دهیم که کران تکرار برای روش بهنگام سازی کوچک و بهنگام سازی بزرگ به ترتیب عبارتند از o(?n log n/?) و o(n^(3/4) log??n/??)، که این کران پیچیدگی، بهتر از کران پیچیدگی به دست آمده از تابع هسته ی کلاسیک است.
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
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، الگوریتم کلی نقطه-درونی اولیه-دوگان برای بهینه سازی خطی ارائه می شود که جستجوی جهت ها به توابع هسته یک متغیره وابسته است که همچنین به عنوان یک معیار تقریبی برای تحلیل الگوریتم استفاده می شود. دسته جدیدی از توابع هسته معرفی شده است که در مرز ناحیه شدنی مقدار مت
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 یکی از موثرترین روش ها برای حل مسائل بهینه سازی خطی می باشند که به دو روش نقطه درونی شدنی و نقطه درونی نشدنی تقسیم می شوند. روش نقطه درونی شدنی با یک نقطه درونی شدنی اکید شروع می شود و شدنی بودن را در طول الگوریتم حفظ می کند. پیدا کردن یک نقطه شدنی آغازین از