Augmented Lagrangian Method
Augmented Lagrangian Method, utvecklad av Magnus R. Hestenes och M. J. D. Powell 1969, är en kraftfull teknik för att lösa optimeringsproblem med bivillkor. Den omvandlar ett problem med bivillkor till en sekvens av obegränsade delproblem genom att utöka Lagrangfunktionen med en kvadratisk straffterm, vilket möjliggör effektiv lösning av storskaliga problem, inklusive konvexa och icke-konvexa fall.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Augmented Lagrangian Method for Constrained Optimization. ScholarGate. https://scholargate.app/sv/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.
- Benders dekompositionOperationsanalys↔ compare
- Kolumngenerering (Dantzig-Wolfe)Operationsanalys↔ compare
- SimplexmetodenOperationsanalys↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →