بهینه سازی مخروطی و الگوریتم های نقطه درونی

thesis
abstract

با پیش رفت علوم، مسایل جدید و متنوع تری در بهینه سازی ایجاد می شوند. برای حل این نوع مسایل جدید، برنامه ریزی خطی را به برنامه ریزی نیمه معین مثبت توسیع دادند اما باز برنامه ریزی نیمه معین مثبت نیز نیاز به توسیع داشت که در سالیان اخیر به دو نوع برنامه ریزی مخروطی متقارن و برنامه ریزی مخروطی خودمقیاس توسیع پیدا کرد. اولین توسیع روش های نقطه درونی اولیه-دوگان بهینه سازی خطی به حالاتی کلی تر را «نستروف» و «تاد» انجام دادند. این دو شخص مفهوم مخروط خودمقیاس و تابع مانع خودمقیاس را بسط دادند و نشان دادند که یکی از روش-های اولیه-دوگان دارای پیچیدگی می باشد که در آن r پارامتر خودسازگاری مخروط است. هم چنین «گولر» ثابت کرد که مخروط های خودمقیاس و مخروط-های متقارن یکی هستند و در واقع الگوریتم نستروف-تاد اولین الگوریتم برای بهینه سازی مخروطی متقارن می باشد.در این پایان نامه هدف بر آن است که این دو نوع مساله بهینه سازی و روش حل آن ها را با استفاده از روش نقطه درونی توضیح داده و ارتباط آن ها را با سایر شاخه های علوم ریاضی شرح دهیم.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بهینه سازی اندازه و شکل سازه های خرپا با روش بهینه سازی الگوریتم مثلث بهینه گر

در این مقاله روش بهینه سازی فراابتکاری جدید تحت عنوان الگوریتم مثلث بهینه گر برای پایین آوردن وزن سازه های خرپا ارائه شده است. این روش از مثلث الهام گرفته است. در این روش بردار اولیه متغیرهای طراحی بعنوان قاعده مثلث (سطر اول) در نظر گرفته می شوند. سپس توابع هدف محاسبه و بهترین و بدترین پاسخ مشخص می شوند. بدترین پاسخ از جمعیت حذف می گردد و بقیه جمعیت با بازیابی سطر دوم را تشکیل می دهند. این عمل ...

full text

روش های نقطه درونی برای بهینه سازی

روش نقطه درونی طی 30 سال گذشته دیدگاه ما را در مورد مسایل بهینه سازی محدب تغییر داده است . در این پایان نامه ، ما روی مسایل محدب به ویژه مسایلی که الگورریتم های روش نقطه درونی را بهبود می دهند، می پردازیم . تئوری و نکات این روش ها را بیان می کنیم . در این جا عملکرد توابع خود هماهنگ را بررسی می کنیم . در فضای اقلیدسی ، این کلاس از توابع در روش های نقطه درونی بهینه سازی به علت پیچیدگی محاسباتی ...

الگوریتم های نقطه درونی اولیه -دوگان برای بهینه سازی مخروط مرتبه دوم بر اساس توابع هسته

در این پایان نامه ، الگوریتم های نقطه درونی اولیه – دوگان برای بهینه سازی مخروط مرتبه دوم ، بر پایه توابع هسته متنوع ارائه می شود. و توابع هسته پیچیدگی بهتری را نتیجه می دهند، لذا از اهمیت زیادی برخوردارند. این دسته از توابع هسته ، قبلا" در بهینه سازی خطی بررسی شده است . کران های تکرار برای روش های بهنگام سازی بزرگ و کوچک o(?n log?n)log??n/?? و o(?n)log??n/?? بوده که n عدد مخروط مرتبه دوم در تد...

15 صفحه اول

الگوریتم های نقطه درونی برای حل مسائل بهینه سازی نیمه معین محدب مرتبه ی دو.

در این رساله ‏به آنالیز و بررسی مسائل بهینه سازی نیمه معین محدب مرتبه ی دو می پردازیم و الگوریتم های نقطه درونی را برای حل آن ارائه می دهیم. این رساله شامل چهار فصل می باشد. در فصل اول به معرفی مسائل بهینه سازی نیمه معین محدب مرتبه ی دو به عنوان توسیعی از مسائل نیمه معین ‎‏پرداخته‎ و یک روش نقطه درونی اولیه-دوگان بر اساس تابع هسته ای‏، برای حل آن ارائه می دهیم. در فصل دوم توابع هسته ای را معرف...

15 صفحه اول

شبیه سازی و بهینه سازی جاذب های آکوستیکی آلبریخ در زیر آب با حفره‌های استوانه‌ای و مخروطی

به منظور جذب امواج آکوستیکی در زیر آب از پوشش­هایی با نام جاذب­های آلبریخ استفاده می­گردد. مکانیزم این پوشش­ها تبدیل انرژی امواج به گرما از طریق ارتعاش حفره­های موجود در آن­ها می­باشد. در این مقاله ارزیابی عملکرد نوع خاصی از جاذب‌های آلبریخ از جنس پلی‌یورتان با استفاده از نرم‌افزار کامسول انجام پذیرفته و تاثیر پارامتر‌های مختلف هندسی به صورت مجزا بررسی گردیده است. بر اساس نتایج، افزایش ارتفاع و...

full text

بهینه سازی جایابی شبکه های سنسور بی سیم با استفاده از الگوریتم های بهینه سازی سراسری و مدل سنجش احتمالی

در سال های اخیر، شبکه­ های حسگر بیسیم[1] در کاربردهای متعددی مورد مطالعه قرار گرفته ­اند. یکی از مسائل مهم مورد مطالعه در این شبکه­ ها، جایابی[2]  بهینه حسگرها به منظور دستیابی به بیشینه­ ی مقدار پوشش[3]</sup...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

دانشگاه تربیت معلم - تبریز - دانشکده علوم پایه

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023