1) non-convex programming problems
非凸规划问题
1.
In this paper, they modify the CHIP method and use the modified one to solve a broader class of non-convex programming problems.
文中对CHIP方法进行了改进并利用改进的方法去求解更大一类的非凸规划问题。
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) convex programming problem
凸规划问题
1.
The first two cases can be converted into quadratic model or convex programming problem with quadratic constraint, but the third one is a nonconvex programming problem.
新的锥模型信赖域子问题是2005年提出的,共分为三种情形,前两种情形或可化为二次模型或是带二次约束的凸规划问题,而第三种情形是非凸的,目前还没有现成的算法对此进行有效地求解。
4) nonsmooth convex optimization problem
非光滑凸规划问题
1.
This paper develops a neural network modelled by a differential inclusion for solving the general nonsmooth convex optimization problems.
本文建立了微分包含意义下的神经网络模型来解决一般非光滑凸规划问题,相比已经存在的用于求解非光滑凸规划问题的神经网络,这种神经网络具有更广泛的应用领域。
5) Convex Quadratic Programming
凸二次规划问题
1.
A Differential Equation Approach Based on the Space Transformation of Square Function to Convex Quadratic Programming;
基于平方函数空间变换的凸二次规划问题的微分方程方法
2.
The model is converted into a convex quadratic programming problem,which can not only ensure the existence and the uniqueness of the solution but also make the proposed model applicable for the study of the bidding strategy in a large scale transmission right market.
将该模型的计算转化为求解一个凸二次规划问题,不仅保证了解的唯一性和存在性,还使得该方法能够用于大规模混合输电权市场中的竞价策略分析。
6) convex constrained optimization
凸约束的非线性规划问题
1.
In this paper,a generalized memory gradient projection method for convex constrained optimization is presented by using Goldstein Lavintin Polyak projection.
给求解无约束规划问题的记忆梯度算法中的参数一个特殊取法,得到目标函数的记忆梯度G o ldste in-L av in tin-Po lyak投影下降方向,从而对凸约束的非线性规划问题构造了一个记忆梯度G o ldste in-L av in tin-Po lyak投影算法,并在一维精确步长搜索和去掉迭代点列有界的条件下,分析了算法的全局收敛性,得到了一些较为深刻的收敛性结果。
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