เปรียบเทียบวิธี

	วิธีตัวคูณลากรองจ์เสริม	Benders Decomposition
สาขาวิชา	การวิจัยดำเนินงาน	การวิจัยดำเนินงาน
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1969	1962
ผู้ริเริ่ม	Magnus R. Hestenes and M. J. D. Powell	Jacques F. Benders
ประเภท	algorithm	algorithm
แหล่งต้นตำรับ	Hestenes, M. R. (1969). Multiplier and gradient methods. Journal of Optimization Theory and Applications, 4(5), 303-320.	Benders, J. F. (1962). Partitioning procedures for solving mixed-variables programming problems. Numerische Mathematik, 4(1), 238-252.
ชื่อเรียกอื่น	method of multipliers, augmented Lagrangian, ADMM	cutting plane method, constraint generation
ที่เกี่ยวข้อง	3	3
สรุป	The Augmented Lagrangian Method, developed by Magnus R. Hestenes and M. J. D. Powell in 1969, is a powerful technique for solving constrained optimization problems. It converts a constrained problem into a sequence of unconstrained subproblems by augmenting the Lagrangian with a quadratic penalty term, enabling efficient solution of large-scale problems including convex and nonconvex cases.	Benders Decomposition, introduced by Jacques F. Benders in 1962, is a powerful algorithmic framework for solving large-scale mixed-integer programming (MIP) problems. It decomposes the problem into a master problem (controlling complicating variables) and subproblems (handling remaining variables), using cutting planes generated from subproblem dual information to iteratively tighten the master problem.