ScholarGate
Pembantu
Machine learningOptimization

Kaedah Lagrangian Dipertingkat

Kaedah Lagrangian Dipertingkat, yang dibangunkan oleh Magnus R. Hestenes dan M. J. D. Powell pada tahun 1969, merupakan teknik berkuasa untuk menyelesaikan masalah pengoptimuman bersyarat. Ia menukarkan masalah bersyarat kepada satu turutan submasalah tidak bersyarat dengan menambahkan istilah penalti kuadratik kepada Lagrangian, membolehkan penyelesaian cekap bagi masalah berskala besar termasuk kes cembung dan tidak cembung.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiMuat turun slaid

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Peta kaedah

Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.

Sumber

  1. Hestenes, M. R. (1969). Multiplier and gradient methods. Journal of Optimization Theory and Applications, 4(5), 303-320. DOI: 10.1007/BF00927673
  2. Powell, M. J. D. (1969). A method for nonlinear constraints in minimization problems. In Optimization (pp. 283-298). Academic Press. link
  3. 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 memetik halaman ini

ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/ms/operations-research/augmented-lagrangian-method

Kaedah yang mana?

Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.

Bandingkan secara bersebelahan

Dirujuk oleh

ScholarGateAugmented Lagrangian Method (Augmented Lagrangian Method for Constrained Optimization). Dicapai 2026-06-15 daripada https://scholargate.app/ms/operations-research/augmented-lagrangian-method · Set data: https://doi.org/10.5281/zenodo.20539026