روش ناحیه اعتماد نایکنواخت مدل مخروطی برای مساله های بهینه سازی نامقید
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده علوم
- نویسنده مینا یاوری
- استاد راهنما سهراب عفتی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
در این پایان نامه، روش جدید ناحیه اعتماد نایکنواخت مدل مخروطی برای مساله های بهینه سازی نامقید معرفی کرده ام. به دلیل درجه آزادی بیشتر مدل مخروطی نسبت به مدل در جه دوم، در این پایان نامه از مدل مخروطی استفاده می کنیم. مدل مخروطی تقریب بهتری از توابعی که رفتار غیر درجه دوم یعنی انحنایشان چندین بار عوض می شود دارند لذا مسائل بیشتری را می توانند تقریب بزنند. برای اجتناب از حل دوباره زیر مساله ناحیه اعتماد مبتنی بر مدل مخروطی، زمانی که گام های آزمایشی مورد قبول واقع نمی شوند، از تکنیک جستجوی خطی نایکنواخت استفاده می کنیم. در حقیقت زمانی که گام های آزمایشی توسط الگوریتم مورد قبول واقع نمی شوند، از جستجوی خطی نایکنواخت در امتداد گام رد شده استفاده می کنیم. خواص همگرایی روش جدید تحت فرضیه های مستدل اثبات می کنیم. نتایج عددی کارایی روش پیشنهاد شده را در مقایسه با روش های موجود نشان می دهند.
منابع مشابه
رهیافتی جدید بر اساس ناحیه اعتماد مخروطی برای حل مساله بهینه سازی نامقید
روش های ناحیه اعتماد یکی از روش های حل مسایل بهینه سازی نامقید است که به صورت گسترده ای در ادبیات موضوع مورد بررسی قرار گرفته است. روش های ناحیه اعتماد و مدل مخروطی روش هایی هستند که در آن ها زیر مساله ناحیه اعتماد، مدل مخروطی تابع هدف در نقطه فعلی را روی قید ناحیه اعتماد بهینه می کند. در این پایان نامه، الگوریتم های ناحیه اعتماد و مدل درجه دوم و مدل مخروطی مورد بررسی قرار گرفته و رهیافتی جدید ...
15 صفحه اولیک روش ناحیه اعتماد نایکنواخت با جستجوی خطی نادقیق جدید برای بهینه سازی نامقید
در این پایان نامه، ابتدا قانون جستجوی خطی نادقیق نایکنواخت جدیدی که اخیرا در ادبیات موضوع مطرح شده است، ارائه می شود و سپس در روش ناحیه اعتماد برای مسایل بهینه سازی نامقید به کار برده می شود. در این قانون جستجوی خطی، مولفه نایکنواخت به جای مقدار تابع هدف فعلی ترکیب محدبی از مولفه نایکنواخت قبلی و مقدار تابع هدف فعلی است. با استفاده از این روش می توان در هر فرآیند جستجوی خطی به طول گام بزرگتری ر...
روش ناحیه اعتماد مخروطی برای مینیمم‌سازی تابع پیوسته لیپشیتز موضعی
In this paper, we present a trust region method for unconstrained optimization problems with locally Lipschitz functions. For this idea, at first, a smoothing conic model sub-problem is introduced for the objective function, by the approximation of steepest descent method. Next, for solving the conic sub-problem, we presented the modified convenient curvilinear search method and equipped it wit...
متن کاملروش های ناحیه اطمینان غیریکنوا با مدل مخروطی برای بهینه سازی نامقید
بسیاری از الگوریتم های بهینه سازی از مدل مجذوری برای تقریب تابع هدف استفاده می کنند. مدل مخروطی برای بهینه سازی نامقید توسط دیویدان ارائه شد و تعمیم مدل مجذوری می باشد. مدل مخروطی نسبت به مدل مجذوری تابع هدف را بهتر تقریب می زند زیرا در شرایط درونیابی بیشتری صدق می کند. مدل مخروطی در چهار شرط درونیابی از مقادیر تابع هدف و گرادیان آن در نقطه کنونی و قبلی صدق می کند. استفاده از شرایط درونیابی بیش...
15 صفحه اولروش های ناحیه اعتماد برای مسایل بهینه سازی ناهموار
ابتدا یک مدل موضعی برای تابع لیپشیتز که با تقریبی از جهت تندترین کاهش ایجاد شده است، معرفی می شود. بر اساس این مدل، زیرمساله درجه دوم در روش ناحیه اعتماد کلاسیک با جایگزینی بردار گرادیان با تقریبی از جهت تندترین کاهش ارایه می شود. سپس، برای حل این زیرمساله، یکی از روش های کارا در روش های ناحیه اعتماد کلاسیک به کار گرفته می شود. همگرایی سراسری الگوریتم ارایه شده تحت شرایطی استاندارد و با استف...
یک روش گرادیان مزدوج اصلاح شده با جهت کاهشی برای مساله بهینه سازی نامقید
در این پایان نامه روش گرادیان مزدوج اصلاح شده برای حل مسایل بهینه سازی نامقید معرفی می شود که در آن خاصیت کاهش کافی بدون انجام جستجوی خطی برقرار بوده و جهت جستجو به طور خودکار در ناحیه اعتماد قرار می گیرد. از طرفی، شرط زوتندیک برای روش جستجوی خطی ولف- پاول برقرار است. همچنین این روش یک ویژگی مهم از روش پولاک- ریبری- پولیاک را نیز به ارث می برد: در صورتی که طول گامهای کوچک تولید شود، این روش تما...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده علوم
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023