版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、在現(xiàn)代工程中優(yōu)化設計方法得到越來越廣泛的應用。然而由于優(yōu)化問題的復雜性與困難性逐漸增加,尤其是有約束優(yōu)化問題的復雜性與困難性的增加,使得對優(yōu)化方法的要求也越來越高。除此之外,優(yōu)化問題的多樣性又預示著不可能僅依靠一種優(yōu)化方法便可以解決所有的優(yōu)化問題。近些年,由于傳統(tǒng)的優(yōu)化方法在求解高維復雜優(yōu)化問題中易于陷入局部最優(yōu)的缺點,對隨機型優(yōu)化方法的研究逐漸引起了人們的關注。不斷探索與改進隨機型優(yōu)化方法已經(jīng)成為了現(xiàn)代工程研究的一個重要方向與課題。<
2、br> 求解有約束優(yōu)化問題的關鍵在于如何有效的處理約束條件,從而使得優(yōu)化問題簡單化。因為傳統(tǒng)約束處理方法都有著各自的缺點與劣勢所在,不能夠最有效的處理現(xiàn)代工程優(yōu)化問題中的約束條件,所以對于約束處理方法的研究也必然為了研究優(yōu)化設計方法的一個重要方向。
本文以求解有約束優(yōu)化問題的隨機型優(yōu)化方法為研究對象,重點研究子集模擬優(yōu)化方法與教學優(yōu)化方法這兩種隨機型優(yōu)化方法。本文利用近些年提出的增廣拉格朗日約束處理方法分別對這兩種優(yōu)化方法進
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 10001.約束優(yōu)化的柔性懲罰增廣拉格朗日方法
- 基于增廣拉格朗日法的圖像復原方法與應用.pdf
- 基于增廣拉格朗日的非局部正則化圖像復原方法.pdf
- 基于增廣拉格朗日協(xié)調(diào)的集群式供應鏈動態(tài)優(yōu)化配置方法研究.pdf
- 集值優(yōu)化問題的非線性增廣拉格朗日方法.pdf
- 半無限規(guī)劃中的增廣拉格朗日.pdf
- 多約束非線性背包問題的拉格朗日對偶方法.pdf
- 基于改進拉格朗日松弛法的機組組合優(yōu)化方法.pdf
- 23890.基于moreau包絡函數(shù)的復合優(yōu)化增廣拉格朗日對偶及算法
- 基于拉格朗日松弛法的停電系統(tǒng)機組恢復順序優(yōu)化方法研究.pdf
- 基于高精度守恒重映的任意拉格朗日歐拉方法研究.pdf
- 求解一類非對稱鞍點問題的增廣拉格朗日預處理.pdf
- 基于增廣拉格朗日的字典學習算法及其在醫(yī)學成像和圖像處理中的應用.pdf
- 基于增廣拉格朗日的字典學習算法及其在醫(yī)學成像和圖像處理中的應用(1)
- 拉格朗日松弛方法在車間調(diào)度中的應用研究.pdf
- 拉格朗日體系下高速公路網(wǎng)監(jiān)控方法研究.pdf
- 基于拉格朗日跟蹤方法的流體質(zhì)點和粒子的擴散和沉降研究.pdf
- 約束全局最優(yōu)化增廣Lagrangian方法及凸化方法研究.pdf
- 拉格朗日法機組組合中投運風險度約束的解析處理.pdf
- 基于拉格朗日方法的熔化行為數(shù)值模擬研究.pdf
評論
0/150
提交評論