Ikke-lineær programmering
Ikke-lineær programmering (NLP) er en gren af matematisk optimering, der beskæftiger sig med problemer, hvor objektivfunktionen eller mindst én bibetingelse er ikke-lineær. NLP blev formaliseret omfattende af Jorge Nocedal og Stephen Wright i deres skelsættende tekst fra 2006 og omfatter gradientbaserede algoritmer — herunder sekventiel kvadratisk programmering (SQP), interior-point-metoder og kvasi-Newton-tilgange — til at finde lokalt eller globalt optimale løsninger på kontinuerlige beslutningsproblemer, der opstår inden for ingeniørvidenskab, økonomi og de fysiske videnskaber.
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
- Nocedal, J., & Wright, S. J. (2006). Numerical Optimization (2nd ed.). Springer. ISBN: 978-0-387-30303-1
Sådan citerer du denne side
ScholarGate. (2026, June 2). Nonlinear Programming. ScholarGate. https://scholargate.app/da/optimization/nonlinear-programming
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.
- Konveks optimeringOptimering↔ compare
- Dynamisk ProgrammeringOptimering↔ compare
- Stokastisk optimeringOptimering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →