«optimization» 태그된 질문

(일반화 된) 기하 프로그래밍은 일반적인 볼록 프로그래밍과 어떻게 다릅니 까? 기하학적 프로그램은 볼록한 프로그램으로 변환 될 수 있으며 일반적으로 내부 포인트 방법으로 해결됩니다. 그러나 문제를 볼록한 프로그램으로 직접 공식화하고 내부 포인트 방법으로 해결하는 것의 이점은 무엇입니까? 기하학적 프로그램 클래스는 내부 포인트 방법으로 특히 효율적으로 해결할 수있는 볼록 프로그램 클래스의 하위 …

10 optimization  convex-optimization 

이 게시물과 공식화에 비슷한 문제가 있지만 몇 가지 주목할만한 차이점이 있습니다. 2D 함수를 적응 적으로 샘플링하기위한 간단한 방법은 무엇입니까? 그 게시물 에서처럼 : 나는 를 가지고 있으며이 함수의 평가는 계산하는 데 다소 비싸다에프( x , y)f(x,y)f(x,y) 그 게시물과 달리 : 나는 어디에서나 함수의 가치에 정확하게 관심이 없지만 함수의 단일 등고선을 …

10 optimization  image-processing 

내가 이해하는 것처럼 연속적인 이완 동작은 매개 변수 를 선택 0≤ω≤20≤ω≤20\leq\omega\leq2하고 (가변) 가우스-시델 반복과 이전 시간 단계의 값의 선형 조합을 사용하여 작동합니다 ... 즉 uk+1=(ω)ugsk+1+(1−ω)ukuk+1=(ω)ugsk+1+(1−ω)uk{u}^{k+1} = (\omega){u_{gs}}^{k+1} + (1-\omega)u^{k} I 상태 '의사'때문에 임의의 시간 단계에서이 규칙에 따라 갱신 된 최신 정보를 포함한다. ( ω = 1 일 때 이것은 정확히 …

10 linear-algebra  optimization  iterative-method 

숫자 형 그래디언트 만 제공 할 수있는 경우 그래디언트 기반 최적화 알고리즘을 사용하는 것이 의미가 없습니까? 그렇지 않다면, 최적화 라이브러리 자체에 유한 한 차별화를 수행하는 것이 사소한 경우 왜 처음에 수치 적 그라디언트를 제공합니까? [편집하다] 명확히하기 위해, 내 질문은 실제로 특정 응용 프로그램보다 더 일반적인 의미입니다. 내 응용 분야는 다양한 …

9 optimization 

목적 함수가 있습니다 EEE 가치에 의존 ϕ(x,t=1.0)ϕ(x,t=1.0)\phi(x, t = 1.0), 어디 ϕ(x,t)ϕ(x,t)\phi(x, t)PDE에 대한 솔루션입니다. 최적화 중입니다EEEPDE 의 초기 상태 에서 구배 하강에 의한 것 :ϕ(x,t=0.0)ϕ(x,t=0.0)\phi(x, t = 0.0). 즉, 나는 업데이트ϕ(x,t=0.0)ϕ(x,t=0.0)\phi(x, t = 0.0)그런 다음 PDE를 통합하여 잔차를 계산해야합니다. 즉, 그래디언트 디센트 단계 크기에 대한 라인 검색을 수행하려면αα\alpha)의 모든 …

9 optimization  pde  conjugate-gradient 

유사 뉴턴 BFGS 알고리즘의 일부로 라인 검색을 수행하고 있습니다. 라인 검색의 한 단계에서 큐빅 보간법을 사용하여 로컬 최소화기에 더 가깝게 이동합니다. 허락하다 f:R→R,f∈C1f:R→R,f∈C1f : R \rightarrow R, f \in C^1관심있는 기능이어야합니다. 찾고 싶습니다x∗x∗x^* 그런 f′(x∗)≈0f′(x∗)≈0f'(x^*) \approx 0. 허락하다 f(xk)f(xk)f(x_k), f′(xk)f′(xk)f'(x_k), f(xk+1)f(xk+1)f(x_{k+1}) 과 f′(xk +1)f′(엑스k+1)f'(x_{k+1})알려져있다. 또한 가정0 ≤엑스케이&lt;엑스※&lt;엑스k + 10≤엑스케이&lt;엑스※&lt;엑스케이+10\le x_k<x^*<x_{k+1}. …

9 optimization  numerical-analysis  interpolation 

대형, 밀도, 낮은 순위 할당 문제를 해결하기 위해 합리적으로 싼 방법이있다 , \ 파이 permutations.of 모든 것을 실행 , n은 1 ?maxπ∑iAπi,imaxπ∑iAπi,i\max_\pi \sum_i A_{\pi i,i}ππ\pi1:n1:n1:n 여기서 AAA 는 하위 순위 r 의 n×nn×nn\times n 행렬입니다 . 일반적인 크기는 n = 10000 ~~ (아마도 더 클 것), r = 15 입니다.rrrn=10000 …

9 optimization 

긴 질문을 용서하십시오. 실제 문제에 이르기까지 설명이 필요합니다. 언급 된 알고리즘에 익숙한 사람들은 아마도 첫 번째 타블로 타블로 직접 이동할 수 있습니다. 최소 절대 편차 문제 (일명 최적화) 를 해결하기 위해 Barrodale-Roberts 알고리즘은 적절한 최소값을 찾기 위해 훨씬 적은 저장 및 계산 노력을 필요로하는 특수 목적의 단순 법입니다.엘1엘1L_1 알고리즘의 구현은 …

9 optimization  linear-programming 

인구 통계 모델을 데이터에 더 잘 맞출 수 있도록 일부 인구 통계 모델링 소프트웨어의 최적화 프로세스를 개선하기 위해 노력하고 있습니다. 최적화 시간을 줄이고 싶습니다. 목적 함수를 평가하는 데 걸리는 시간은 입력 값에 따라 크게 다릅니다. 목적 함수를 평가하는 시간과 입력 간의 관계가 알려져 있습니다. 평가할 포인트를 선택할 때 목적 함수의 …

9 optimization 

함수의 최소값을 찾기 위해 Broyden-Fletcher-Goldfarb-Shanno 메소드를 구현하려고합니다. 두 가지 초기 추측이 필요합니다x−1x−1x_{-1}&amp; 및 초기 Hessian Matrix 근사값 . 에 대해 찾은 유일한 요구 사항 은 Hessian이 대칭 양수이면 이어야한다는 것 입니다. Wikipedia를 살펴보면 일반적인 초기 근사값은 (정체 행렬)입니다. 이것은 항상 좋은 초기 입니까? 내가 아닌 다른 선택 할 수 있습니다 …

9 optimization  algorithms 

몇 가지 교과서를 통해, 나는 줄을 검색하는 동안 처음에 최소값을 브라케팅하는 문제가 (적어도 학부 텍스트에서) 나중에 생각되는 경향이 있음을 알았습니다. 이러한 유형의 문제에 대해 잘 정립 된 기술 또는 모범 사례가 있습니까? 아니면 솔루션이 일반적으로 응용 프로그램에 종속됩니까? 누구든지 주제에 대한 참조를 추천 할 수 있습니까?

9 optimization  reference-request 

"검색 방법"과 "최적화 방법"의 차이점과 관계가 궁금합니다. 특히 최적화 문제를 해결할 때? 검색 방법 이 최적화 문제를 해결하기위한 것이 아니라 최적화되지 않은 문제를 추측하기 때문에 최적화 문제 해결의 맥락을 강조합니다 . 혼란은 다음과 같은 사실에서 비롯됩니다. 로컬 검색 , 확률 검색 등과 같은 "xxx 검색"이라는 최적화 방법 이 있습니다. "검색"은 …

9 optimization 

언덕 오르기 는 최적화를위한 매우 강력한 도구 인 것 같습니다. 그러나 솔루션의 "이웃"을 생성하는 방법은 항상 당황합니다. 예를 들어 솔루션을 최적화하고 있습니다. (x1,x2,x3)(x1,x2,x3)(x_1, x_2, x_3). 여기서 은 범위에 있고, 는 범위에 있으며 , 은 범위에 있습니다.x1x1x_1(0,0.1)(0,0.1)(0, 0.1)x2x2x_2(0,100)(0,100)(0, 100)x3x3x_3(0,1000000)(0,1000000)(0, 1000000) 있습니다. "이웃"을 생성하는 가장 좋은 방법은 무엇입니까? 단계 크기가 1이기 때문에 …

9 algorithms  optimization 

횡단면의 속도와 온도 분포가 비교적 균일하도록 탱크의 유량 분배기를 최적화하려고합니다. 입구 파이프의 수, 위치, 방향 및 방향과 같은 최대 단면 균일도를 조정할 수있는 많은 매개 변수가 있습니다. 여러 가지 다른 형상을 생성하고 각각을 개별적으로 테스트 할 수 있지만 시간이 많이 걸린다는 것을 알고 있습니다. 여러 사례를 한 번에 (병렬로) 반복적으로 …

9 optimization 

가정은 다음의 선형 시스템이 주어진 여기서 양수 알려진 가중 라플라시안 인 으로 일차원 널 공간 스팬과 확정적 및 의 변환 분산 , 즉 은 함수 값 (미분 값이 )을 변경하지 않습니다 . 양수 항목은 대각선에 있으며, 이는 음의 대각선을 벗어난 항목의 절대 값을 합한 것입니다.Lx=c,(1)(1)Lx=c,Lx=c,\tag1LLLsemi−semi−semi-1n=(1,…,1)∈Rn1n=(1,…,1)∈Rn1_n=(1,\dots,1)\in\mathbb{R}^nx∈Rnx∈Rnx\in\mathbb{R}^{n}x+a1nx+a1nx+a1_n(1)(1)(1)LLL 하나는 매우하지만, 그 분야에서 학업 …

9 linear-algebra  optimization  iterative-method  matrix  linear-solver