رهیافتی جدید بر اساس ناحیه اعتماد مخروطی برای حل مساله بهینه سازی نامقید
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده ریاضی
- نویسنده مظاهر حبیبی
- استاد راهنما محمد رضا پیغامی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
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 براساس ناحیه اعتماد مخروطی همراه، جستجوی خطی یکنوا و غیریکنوا را برای حل مسایل بهینه سازی نامقید ارایه می کنیم. نتایج همگرایی موضعی و سراسری و همگرایی مرتبه دوم تحت فرضیات استاندارد مورد بررسی قرار می گیرند. نتایج عددی حاصل از اعمال روش روی مسایل آزمونی، موید کارایی روش می باشد.
منابع مشابه
روش ناحیه اعتماد نایکنواخت مدل مخروطی برای مساله های بهینه سازی نامقید
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 ناحی...
15 صفحه اولروش 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 کاملیک 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 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 اولبکارگیری الگوریتم ترکیبی بهینه سازی دسته ذرات برای حل مساله سنتی زمانبندی کار کارگاهی
The classical Job Shop Scheduling Problem (JSSP) is NP-hard problem in the strong sense. For this reason, different metaheuristic algorithms have been developed for solving the JSSP in recent years. The Particle Swarm Optimization (PSO), as a new metaheuristic algorithm, has applied to a few special classes of the problem. In this paper, a new PSO algorithm is developed for JSSP. First, a pr...
متن کاملمدلی جدید برای حل مساله موازنه خط مونتاژ هزینه‌گرا
In this research, a new model for cost-oriented assembly line balancing problem has been presented that consists of labour and equipment cost. The approach of this model for these costs is coincided with real condition of assembly lines and yield possibility of using common equipment amoung tasks. The objective function and constrains of this model has been shown by mathematical relations and ...
متن کاملمنابع 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 ریاضی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023