Cтраница 3
В математическом плане - это задача квадратичного программирования, так как целевая функция (13.16) - квадратичная форма, а ограничения (13.18) - система линейных алгебраических уравнений. [31]
Имеется ряд других алгоритмов решения задач квадратичного программирования. Особо важен алгоритм, основанный на использовании двойственных переменных; он излагается в разд. Этот алгоритм также сходится за конечное число итераций. Можно, кроме того, применять методы, описанные в остальных разделах настоящей и следующей глав, однако в полном противоречии с описанным выше алгоритмом они не обязательно сходятся к стационарной точке за конечное число итераций. Это будет показано на примере, приводимом в настоящей главе. [32]
Описанная операция сводится к решение нескольких задач квадратичного программирования. Их количество определится числом точек во множестве Ja ( 0) K С) Из ( 18) слеДУет также, что направление наискорейшего спуска может оказаться не единственным. [33]
Выводятся двойственные формы задач линейного программирования и квадратичного программирования. В этой же главе дается элементарное представление о геометрическом программировании главным образом с целью дать дополнительную иллюстрацию того, как двойственная задача может быть получена из прямой. [34]
Задачи оптимизации с линейными ограничениями называются задачами квадратичного программирования, если их целевые функции квадратичны. [35]
Для гильбертовых Y та Z получается задача квадратичного программирования. [36]
Из задач выпуклого программирования подробно разработаны задачи квадратичного программирования, в которых требуется найти максимум ( или минимум) квадратичной функции при условии, что ее переменные удовлетворяют некоторой системе линейных уравнений. [37]
В работе [9] показано, что методу линейного квадратичного программирования следует отдать предпочтение по сравнению с методом наименьших квадратов, в частности, если не полностью известен состав анализируемой многокомпонентной системы, в спектре имеются перекрывающиеся полосы, число аналитических полос равно числу компонентов; при этом погрешность метода линейного программирования в среднем на порядок ниже погрешности метода наименьших квадратов. [38]
Составляется функционал ( Х) и решается задача квадратичного программирования. [39]
Приведенный пример работы программы иллюстрирует исключительные возможности метода квадратичного программирования как для количественного анализа смесей неизвестного или переменного состава, так и для идентификации компонентов, составляющих смеси постоянного качественного состава, с помощьк разностных спектров. [40]
Задача во втором варианте является частично целочисленной задачей квадратичного программирования к функциональном пространстве. [41]
Предыдущий итерационный процесс сводится к последовательности решения задач квадратичного программирования. Ясно, что в этой форме задачу реализовать на практике очень сложно. Некоторые специфические свойства рассматриваемой задачи, однако, дают возможность модификации приведенного алгоритма, результатом которой является весьма эффективный метод решения. Прежде всего матрица жесткости постоянна в течение всего итерационного процесса. [42]
Отыскание минимума / при ограничениях (6.5) есть задача квадратичного программирования, решение которой опирается па теорему Куна - Таккера, указывающую необходимые и достаточные условия минимума. [43]
Рассмотрим применение к решению задач динамики жесткопластического тела линейного и квадратичного программирования. [44]
В данной работе изучаются методы и алгоритмы решения задачи квадратичного программирования с неточно заданными параметрами. Для решения указанной проблемы используется игровой подход, позволяющий построить гарантирующие стратегии оптимизации и существенно снизить требования к объему априорной информации об оптимизируемой модели. Полученные теоретические результаты иллюстрируются на примере минимаксной оптимизации модели Марковица. [45]