Augmenteret Lagrange-metode
Den augmenterede Lagrange-metode, udviklet af Magnus R. Hestenes og M. J. D. Powell i 1969, er en kraftfuld teknik til løsning af optimeringsproblemer med bibetingelser. Den omdanner et problem med bibetingelser til en sekvens af problemer uden bibetingelser ved at augmentere Lagrangfunktionen med et kvadratisk strafterm, hvilket muliggør effektiv løsning af storskala problemer, herunder konvekse og ikke-konvekse tilfælde.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Hestenes, M. R. (1969). Multiplier and gradient methods. Journal of Optimization Theory and Applications, 4(5), 303-320. DOI: 10.1007/BF00927673 ↗
- Powell, M. J. D. (1969). A method for nonlinear constraints in minimization problems. In Optimization (pp. 283-298). Academic Press. link ↗
- Boyd, S., Parikh, N., Chu, E., Peleato, B., & Eckstein, J. (2011). Distributed optimization and statistical learning via the alternating direction method of multipliers. Foundations and Trends in Machine Learning, 3(1), 1-122. DOI: 10.1561/2200000016 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/da/operations-research/augmented-lagrangian-method
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Benders-dekomponeringOperationsanalyse↔ compare
- Kolonnegenerering (Dantzig-Wolfe)Operationsanalyse↔ compare
- SimplexmetodenOperationsanalyse↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →