Epäkäsitteellinen optimointi
Epäkäsitteellinen optimointi (NLP) on matemaattisen optimoinnin haara, joka käsittelee ongelmia, joissa tavoitefunktio tai vähintään yksi rajoite on epälineaarinen. Jorge Nocedal ja Stephen Wright formalisoivat sen kattavasti uraauurtavassa vuoden 2006 teoksessaan. NLP kattaa gradienttipohjaiset algoritmit – mukaan lukien peräkkäisen neliöllisen optimoinnin (SQP), sisäpistemenetelmät ja kvasi-Newton-menetelmät – jatkuvien päätösongelmien paikallisesti tai globaalisti optimaalisten ratkaisujen löytämiseksi, joita esiintyy tekniikan, taloustieteen ja luonnontieteiden aloilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Nocedal, J., & Wright, S. J. (2006). Numerical Optimization (2nd ed.). Springer. ISBN: 978-0-387-30303-1
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Nonlinear Programming. ScholarGate. https://scholargate.app/fi/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.
- Konveksi optimointiOptimointi↔ compare
- Dynaaminen ohjelmointiOptimointi↔ compare
- Stokastinen optimointiOptimointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →