Metode Lagrangian Teregumentasi
Metode Lagrangian Teregumentasi, dikembangkan oleh Magnus R. Hestenes dan M. J. D. Powell pada tahun 1969, adalah teknik yang ampuh untuk menyelesaikan masalah optimasi terkendala. Metode ini mengubah masalah terkendala menjadi urutan submasalah tak terkendala dengan menambahkan suku penalti kuadratik pada Lagrangian, memungkinkan penyelesaian masalah skala besar yang efisien, termasuk kasus cembung dan non-cembung.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/id/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.
- Dekomposisi BendersRiset Operasi↔ compare
- Generasi Kolom (Dantzig-Wolfe)Riset Operasi↔ compare
- Metode SimpleksRiset Operasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →