เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| วิธีตัวคูณลากรองจ์เสริม× | การสร้างคอลัมน์ (Dantzig-Wolfe)× | |
|---|---|---|
| สาขาวิชา | การวิจัยดำเนินงาน | การวิจัยดำเนินงาน |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 1969 | 1960 |
| ผู้ริเริ่ม≠ | Magnus R. Hestenes and M. J. D. Powell | George B. Dantzig and Philip Wolfe |
| ประเภท | algorithm | algorithm |
| แหล่งต้นตำรับ≠ | Hestenes, M. R. (1969). Multiplier and gradient methods. Journal of Optimization Theory and Applications, 4(5), 303-320. DOI ↗ | Dantzig, G. B., & Wolfe, P. (1960). Decomposition principle for linear programs. Operations Research, 8(1), 101-111. DOI ↗ |
| ชื่อเรียกอื่น≠ | method of multipliers, augmented Lagrangian, ADMM | Dantzig-Wolfe decomposition, column generation method |
| 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. | Column Generation, developed by George B. Dantzig and Philip Wolfe in 1960, is a powerful optimization technique for solving large-scale linear programming problems with special structure. Also known as Dantzig-Wolfe Decomposition, it decomposes the problem into a master problem (restricted to a subset of variables/columns) and a pricing subproblem (identifying new variables), iteratively improving the solution by introducing only relevant columns. |
| ScholarGateชุดข้อมูล ↗ |
|
|