1) nonlinear convex programming
非线性凸规划
1.
Based on brief review of the numerical methods for nonlinear convex programming, an entropy method for solving nonlinear convex programming is proposed.
提出了求解非线性凸规划的熵函数法。
2) nonconvex nonlinear programming problems
非凸非线性规划问题
1.
We utilized the combined maximum entropy homotopy method to solve the general nonconvex nonlinear programming problems.
利用组合极大熵同伦方法,研究一般的非凸非线性规划问题。
3) nonlinear convex semidefinite programming
非线性凸半定规划
1.
A cut-plane algorithm for nonlinear convex semidefinite programming;
非线性凸半定规划的割平面算法
4) Convex/nonlinear programming
凸优化/非线性规划
5) linear convex program
线性凸规划
1.
A potential reduction anti infeasible inner-point algorithm for a linear convex programming problem is proposed based on Tanable-Todde-Ye potential function, the complexity of the algorithm is analyzed.
基于 Tanabe-Todd-Ye 势函数提出了求解线性凸规划问题的一个势降不可行内点算法,分析了算法的复杂度,并证明了在每一次迭代之后算法使用的势函数至少有一个正常数的下降量,从而说明了算法的多项式复杂性。
6) disciplined convex programming
凸线性规划
补充资料：非线性规划
| 非线性规划 nonlinear programming 目标函数是非线性函数或约束条件不全是线性等式（不等式）的一类数学规划。在科学管理和其他领域中，很多实际问题可以归结为线性规划，但还有另一些问题属于非线性规划。由于非线性规划含有深刻的背景和丰富的内容，已发展为运筹学的重要分支，并且在最优设计、管理科学、系统控制等领域得到越来越广泛的应用。 非线性规划的研究始于1939年，是由W.卡鲁什首次进行的，40年代后期进入系统研究，1951年H.W.库恩和A.W.塔克尔提出最优化的判别条件，从而奠定了非线性规划的理论基础，后来在理论研究和实用算法方面都有很大的发展。 非线性规划求解方法可分为无约束问题和约束问题来讨论，前者实际上就是多元函数的极值问题，是后一问题的基础。无约束问题的求解方法有最速下降法、共轭梯度法、变尺度法和鲍威尔直接法等。关于约束问题情况比较复杂，因为在迭代过程中除了要使目标函数下降外，还要考虑近似解的可行性。总的原则是设法将约束问题化为无约束问题；把非线性问题化为线性问题从而使复杂问题简单化。求解方法有可行方向法、制约函数法、简约梯度法、约束变尺度法、二次规划法和约束集法等。虽然这些方法都有较好的效果，但是尚未找到可以用于解决所有非线性规划的统一算法。 |
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