Augmented Lagrangian -menetelmä
Augmented Lagrangian -menetelmä, jonka Magnus R. Hestenes ja M. J. D. Powell kehittivät vuonna 1969, on tehokas tekniikka rajoitettujen optimointiongelmien ratkaisemiseen. Se muuntaa rajoitetun ongelman sarjaksi rajoittamattomia osatehtäviä lisäämällä Lagrangen funktioon neliöllisen rangaistustermin, mikä mahdollistaa suurten ongelmien, mukaan lukien konveksien ja ei-konveksien tapausten, tehokkaan ratkaisemisen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/fi/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.
- Bendersin hajotelmaOperaatiotutkimus↔ compare
- Sarakegenerointi (Dantzig-Wolfe)Operaatiotutkimus↔ compare
- SimpleksimenetelmäOperaatiotutkimus↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →