1) linear relaxation programming
松弛线性规划
2) linear programming relaxation
线性规划松弛
1.
Applying linear programming relaxations,a 3-approximation algorithm has been obtained while jobs have no precedence constraints and a 4-approximation algorithm has been obtained while jobs have precedence constraints.
考虑目标函数是拒绝费用与带权总完工时间之和,应用线性规划松弛方法设计了近似算法,当工件之间没有优先关系时得到3-近似算法,当工件之间具有优先关系时得到4-近似算法。
2.
583)-approximation algorithm is obtained by linear programming relaxation.
讨论离散加工时间可控的排序问题P|dis_cpt,pmtn|∑~n_(j=1)c_jt_j+C_(max),应用线性规划松弛方法得到其性能比为e/(e-1)(≈1。
3.
The method determines the lower bound of optimal value of former problem over a simplex by a new linear programming relaxation bounded technique and integrates outer approximation method with branchandbound scheme.
这种方法是用新的线性规划松弛定界技术确定最优值的下界,并且把分枝定界技术和外逼近方法有机地结合起来。
3) relaxed planning graph
松弛规划图
4) convex progrmming relaxation
凸规划松弛
5) linear relaxation
线性松弛
1.
By utilizing the equivalent Problem(Q) of problem(P) and linear relaxation technique,a relaxation linear programming(RLP) problem about problem(P) is established,through the successive refinement of the linear relaxation of the feasible region of the objection function and the solutions of a series.
通过利用问题(P)的等价问题(Q)和线性松弛技术,建立了问题(Q)的松弛线性规划(RLP),通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,从理论上证明了算法收敛到问题(P)的全局最优解。
6) Semidefinite programming relaxation
半定规划松弛
1.
Then,we give the semidefinite programming relaxation for the equivalent quadratic integral model.
该方法利用预处理方法把多用户检测问题的模型等价为一个规模较小的二次整数规划模型,给出简化模型的半定规划松弛,结合随机扰动方法得到多用户检测问题的次优解。
2.
Based on the semidefinite programming relaxation of max Bisection,a feasible direction algorithm is given to solve the relaxation.
基于图的最大二等分问题的半定规划松弛模型,利用矩阵的低秩分解技巧,给出了该问题的半定规划松弛的一种低秩可行方向算法。
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