Metoda zaugmentowanego Lagrangianu
Metoda zaugmentowanego Lagrangianu, opracowana przez Magnusa R. Hestenesa i M. J. D. Powella w 1969 roku, jest potężną techniką rozwiązywania problemów optymalizacji z ograniczeniami. Konwertuje problem z ograniczeniami na sekwencję problemów podrzędnych bez ograniczeń, dodając do Lagrangianu kwadratowy człon kary, co umożliwia efektywne rozwiązywanie problemów na dużą skalę, w tym przypadków wypukłych i niewypukłych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/pl/operations-research/augmented-lagrangian-method
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Dekompozycja BendersaBadania operacyjne↔ porównaj
- Generowanie kolumn (Dantzig-Wolfe)Badania operacyjne↔ porównaj
- Metoda SimplexBadania operacyjne↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →