Según tengo entendido, la relajación sucesiva funciona eligiendo un parámetro y utilizando una combinación lineal de una iteración (cuasi) de Gauss-Seidel y el valor en el paso de tiempo anterior ... eso es 0≤ω≤20≤ω≤20\leq\omega\leq2 uk+1=(ω)ugsk+1+(1−ω)ukuk+1=(ω)ugsk+1+(1−ω)uk{u}^{k+1} =...
Tengo un problema similar en la formulación de esta publicación, con algunas diferencias notables: ¿Qué métodos simples existen para muestrear adaptativamente una función 2D? Como en esa publicación: Tengo una y la evaluación de esta función es algo costosa de calcularF( x , y)F(X,y)f(x,y) A...
Estoy tratando de escribir una implementación SVM completa en Python y tengo algunos problemas para calcular los coeficientes de Lagrange. Primero déjame reformular lo que entiendo del algoritmo para asegurarme de que estoy en el camino correcto. Si es un conjunto de datos e y i ∈ { - 1 , 1 } es...
No puedo ver ninguna mención de ello en los listados de trabajo. He visto programación entera mencionada, MIP, programación no lineal entera mixta, LP, programación dinámica, etc., pero no SDP. ¿Es mucho más moderno en la academia que en la industria? Por mi exposición limitada a académicos y...
Para la optimización, de Wikipedia : En informática, la metaheurística designa un método computacional que optimiza un problema al intentar iterativamente mejorar una solución candidata con respecto a una medida de calidad dada. Las metaheurísticas hacen pocas o ninguna suposición sobre el...
El problema es maxf(x) subject to Ax=bmaxf(x) subject to Ax=b\max f(\mathbf{x}) \text{ subject to } \mathbf{Ax} = \mathbf{b} donde f(x)=∑Ni=11+x4i(∑Ni=1x2i)2−−−−−−−−−−√f(x)=∑i=1N1+xi4(∑i=1Nxi2)2f(\mathbf{x}) = \sum_{i=1}^N\sqrt{1+\frac{x_i^4}{(\sum_{i=1}^{N}x_i^2)^2}} ,...
A menudo encuentro el adagio general de que los métodos de puntos interiores son difíciles de iniciar. ¿Hay una explicación intuitiva detrás de este consejo? ¿Hay situaciones en las que uno puede esperar beneficios del arranque en caliente en un método de punto interior? ¿Alguien puede recomendar...
Tengo un conjunto de datos que está cambiando lentamente, y necesito hacer un seguimiento de los vectores propios / valores propios de su matriz de covarianza. He estado usando scipy.linalg.eigh, pero es demasiado costoso, y no usa el hecho de que ya tengo una descomposición que es solo un poco...
Estoy interesado en maximizar una función , donde .F( θ )f(θ)f(\mathbf \theta)θ ∈ Rpagθ∈Rp\theta \in \mathbb R^p El problema es que no conozco la forma analítica de la función o de sus derivados. Lo único que puedo hacer es evaluar la función de manera puntual, conectando un valor y obtener una...
¿En qué se diferencia la programación geométrica (generalizada) de la programación convexa general? Un programa geométrico puede transformarse en un programa convexo, y generalmente se resuelve mediante un método de punto interior. Pero, ¿cuál es la ventaja de formular directamente el problema...
¿Cuáles son las formas recomendadas de hacer mínimos cuadrados no lineales, min , con restricciones de recuadro l o j < = p j < = h i j ? Me parece (los tontos se apresuran) que uno podría hacer que las restricciones de la caja sean cuadráticas y minimizar ∑ i e r r i ( p ) 2 + C ∗ ∑ j t u b...
Estoy trabajando para mejorar el proceso de optimización de algunos programas de modelado demográfico para que pueda adaptar mejor los modelos demográficos a los datos. Nos gustaría disminuir el tiempo de optimización. El tiempo que lleva evaluar nuestra función objetivo varía mucho, dependiendo...
Estoy tratando de optimizar un distribuidor de flujo en un tanque de modo que la distribución de velocidad y temperatura en cualquier sección transversal sea relativamente uniforme. Hay muchos parámetros que puedo ajustar a la uniformidad máxima de la sección transversal, como el número de tubos de...
¿Existe un método razonablemente barato para resolver el problema de asignación grande, denso y de bajo rango , donde ejecuta sobre todas las permutaciones. De ?maxπ∑iAπi,imaxπ∑iAπi,i\max_\pi \sum_i A_{\pi i,i}1 : nππ\pi1:n1:n1:n Aquí es una matriz de bajo rango . Los tamaños típicos serían...
Estoy tratando de implementar el método Broyden-Fletcher-Goldfarb-Shanno para encontrar el mínimo de una función. Necesito dos conjeturas iniciales y y una aproximación inicial de la matriz de Hesse . Los únicos requisitos que encuentro para es que si el Hessian es simétrico positivo definido,...
Disculpe la pregunta larga, solo necesita alguna explicación para llegar al problema real. Aquellos familiarizados con los algoritmos mencionados probablemente podrían saltar directamente al primer tablau simplex. Para resolver menos problemas desviación absoluta (también conocido como L1L1L_1...
Considere el problema de optimización estrictamente convexo sin restriccionesDeje que x_ \ text {opt} denote sus mínimos únicos y x_0 sea una aproximación inicial dada a x_ \ text {opt}. Llamaremos a un vector x una \ epsilon- solución cercana de \ mathcal {O} if \ begin {ecation} \ frac {|| x...
Suponga que el siguiente sistema lineal se da Lx=c,(1)(1)Lx=c,Lx=c,\tag1 donde LLL es el Laplaciano ponderado que se sabe que es positivo semi−semi−semi- definido con un espacio nulo unidimensional dividido por 1n=(1,…,1)∈Rn1n=(1,…,1)∈Rn1_n=(1,\dots,1)\in\mathbb{R}^n , y la varianza de traducción...
Me preguntaba qué diferencias y relaciones hay entre "métodos de búsqueda" y "métodos de optimización". ¿Especialmente al resolver un problema de optimización? Insisto en el contexto de la resolución de problemas de optimización, porque supongo que los métodos de búsqueda no son solo para...
La escalada parece ser una herramienta muy poderosa para la optimización. Sin embargo, cómo generar los "vecinos" de una solución siempre me desconcierta. Por ejemplo, estoy optimizando una solución . Aquí está dentro del rango , está dentro del rango , está dentro del rango . ¿Cuál es la mejor...