Cтраница 3
Особенно плодотворен этот подход в задачах выпуклого программирования. [31]
Другой тип задач математического программирования - задачи выпуклого программирования имеют более общий характер и формулируются следующим образом. [32]
Из нелинейных условных экстремальных задач выделяются задачи выпуклого программирования. В задачах выпуклого программирования требуется вычислить максимум вогнутой функции на выпуклом множестве. Любой локальный максимум вогнутой функции, заданной на выпуклом множестве, является ее глобальным максимумом на том же множестве. На этом положении основаны все методы решения задач выпуклого программирования. [33]
Более общей разновидностью нелинейных задач являются задачи выпуклого программирования [19], в которых критерий представляет собой выпуклую функцию переменных, а ограничения задают выпуклую область. [34]
Другой тип задач математического программирования - задачи выпуклого программирования имеют более общий характер и формулируются следующим образом. [35]
Существуют и другие эффективные методы решения задач выпуклого программирования. [36]
Задача (1.18) - (1.20) представляет собой задачу выпуклого программирования. Для решения ее может быть использован метод секущих плоскостей или один из вариантов метода возможных направлений. [37]
Отметим, что задача (4.1) является задачей выпуклого программирования, удовлетворяющей условию 2) теоремы 2.3, а также условию 2) теоремы 3.2, если X непусто. [38]
В частности, если она является задачей выпуклого программирования ( ВП), то сложность ее решения большая, чем у задач ЛИ. [39]
Среди задач нелинейного программирования наиболее глубоко изучены задачи выпуклого программирования. Это задачи, в результате решения которых определяется минимум выпуклой ( или максимум вогнутой) функции, заданной на выпуклом замкнутом множестве. [40]
Среди задач нелинейного программирования важное место занимают задачи выпуклого программирования, когда локальный экстремум функции цели является одновременно и глобальным экстремумом. [41]
В этом случае оптимальное распределение ресурсов сводится задаче выпуклого программирования. Ее численное решение в сколько-нибудь нетривиальных ситуациях обычно осложняется тем, что анализ каждого варианта распределения ресурсов требует сложного моделирования и соответственно большого объема вычислений. Поэтому к методу решения задачи (6.1) предъявляются жесткие требования по трудоемкости. [42]
В случае ( 36), соответствующем задаче выпуклого программирования, движения решающей точки устойчивы независимо от соотношения кривизн линий равного уровня функции цели и границы области допустимых значений аргументов в точке равновесия. [43]
Получим необходимые и достаточные условия оптимальности в задаче выпуклого программирования на основе теории двойственности. В этом случае изменится только форма необходимых и достаточных условий ( не будут участвовать производные), но предпосылки в обоих случаях одинаковы. [44]
Так как задача (4.29) - (4.31) является задачей выпуклого программирования, то к ней может быть применен любой из известных алгоритмов решения. [45]