1) mixed penalty function
混合罚函数
1.
Method of mixed penalty function is used for the linear question, optimum prescription is obtained at the conditions in the paper.
本文特混合罚函数法用子这类线性规划问题从而获得满足一定营养素配比的约束条件，使之成为成本最低的最佳配方，为合理营养的配方组成提供理论依据。
2.
This paper adopted the mixed penalty function method changing the restraint problem to the object function with penalty without restraint,when using the genetic algorithm to optimize the model and considering the characteristic of the model.
阐述了新型换流变压器及配套滤波装置的接线方案和滤波器设计特点,在此基础上建立了以初期投资最小为目标函数的滤波装置数学优化模型,在采用遗传算法对优化模型进行优化设计时,考虑到优化模型的特点,采用了混合罚函数法将有约束问题转化成带有罚项的无约束问题的目标函数。
2) sequential unconstrained minimization technique
混合罚函数法
1.
Solution of optimum gas allocation model for gas-lift block with sequential unconstrained minimization technique;
用混合罚函数法求解气举区块优化配气模型
3) multi-sequential unconstrained minimization technique
混合罚函数(Mult-SUMT)
4) mixing penalty function method
混合惩罚函数法
1.
Based on the knowledge base of floating structure stability, the optimal design is performed by use of the mixing penalty function method, in which step optimization is combined with integral optimization, and the variable scale method is adopted for unconstrained minimization.
建立了潮汐电站厂房浮运结构的优化模型 ,在浮运结构稳性知识库的基础上 ,采用混合惩罚函数法对其进行优化设计 。
5) mixed function
混合函数
1.
Quadratic mixed functional uniform B splines with shape parameters;
带形状参数的二次混合函数均匀B-样条
6) blending functions
混合函数
1.
Based on the research of shape control methods of discrete Coons surfaces, the shape control method of continuous Coons surfaces using only blending functions is presented, while taking the first type blended Coons surface as an example.
提出了在固定边界条件下通过改变Coons曲面的混合函数来使曲面变形,并达到预期变形目的的方法,并指出混合函数对Coons曲面形状的影响要受到包括边界曲线在内的边界条件的制约,缺乏必要的边界条件就无法仅凭混合函数来达到所需的变形。
补充资料：罚函数法
分子式：
CAS号：
性质：求解带约束非线性规划的一种数值解法。它是通过将原规划问题中的约束条件乘以一定的惩罚因子后加入到原目标函数中构成新的目标函数，从而使条件极值问题转化为无约束极值问题。由于惩罚因子的加入，任何对约束条件的背离将受到“惩罚”而使目标函数增加，当惩罚因子足够大时，只有惩罚项趋于零，即所有约束条件得到满足时，新的目标才能取得极小值，此时新问题的解就是原问题的解，且满足给定的约束条件。
CAS号：
性质：求解带约束非线性规划的一种数值解法。它是通过将原规划问题中的约束条件乘以一定的惩罚因子后加入到原目标函数中构成新的目标函数，从而使条件极值问题转化为无约束极值问题。由于惩罚因子的加入，任何对约束条件的背离将受到“惩罚”而使目标函数增加，当惩罚因子足够大时，只有惩罚项趋于零，即所有约束条件得到满足时，新的目标才能取得极小值，此时新问题的解就是原问题的解，且满足给定的约束条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条