เปรียบเทียบวิธี

	Benders Decomposition	วิธีตัวคูณลากรองจ์เสริม
สาขาวิชา	การวิจัยดำเนินงาน	การวิจัยดำเนินงาน
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1962	1969
ผู้ริเริ่ม	Jacques F. Benders	Magnus R. Hestenes and M. J. D. Powell
ประเภท	algorithm	algorithm
แหล่งต้นตำรับ	Benders, J. F. (1962). Partitioning procedures for solving mixed-variables programming problems. Numerische Mathematik, 4(1), 238-252.	Hestenes, M. R. (1969). Multiplier and gradient methods. Journal of Optimization Theory and Applications, 4(5), 303-320.
ชื่อเรียกอื่น	cutting plane method, constraint generation	method of multipliers, augmented Lagrangian, ADMM
ที่เกี่ยวข้อง	3	3
สรุป	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.	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.