Machine learningOptimization
증강 라그랑주 방법
1969년 Magnus R. Hestenes와 M. J. D. Powell이 개발한 증강 라그랑주 방법은 제약 최적화 문제를 해결하는 강력한 기법입니다. 이는 라그랑주 함수에 이차 페널티 항을 추가하여 제약 문제를 일련의 비제약 부문제로 변환함으로써, 볼록 및 비볼록 경우를 포함한 대규모 문제의 효율적인 해결을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →