Machine learningOptimization
שיטת הלגרנז'יאן המורחב
שיטת הלגרנז'יאן המורחב (Augmented Lagrangian Method), שפותחה על ידי Magnus R. Hestenes ו-M. J. D. Powell בשנת 1969, היא טכניקה רבת עוצמה לפתרון בעיות אופטימיזציה עם אילוצים. היא ממירה בעיה עם אילוצים לסדרה של תת-בעיות ללא אילוצים על ידי הוספת איבר עונש ריבועי ללגרנז'יאן, מה שמאפשר פתרון יעיל של בעיות רחבות היקף, כולל מקרים קמורים ואי-קמורים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/he/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.
- פירוק בנדרסחקר ביצועים↔ compare
- יצירת עמודות (דנציג-וולף)חקר ביצועים↔ compare
- שיטת הסימפלקסחקר ביצועים↔ compare