یک روش فیلتر نایکنواخت برای بهینه سازی غیرخطی

پایان نامه
چکیده

روش های برنامه ریزی درجه دوم متوالی با فیلتر یکنوا و نایکنوا برای حل مساله ی بهینه سازی غیرخطی مقید مطالعه می شوند. در روش یکنوا، از یک فیلتر، شامل لیستی از نقاط تولید شده توسط الگوریتم، برای برقراری همگرایی سراسری روش های برنامه ریزی درجه دوم متوالی استفاده می شود. روش فیلتر یکنوا بدون استفاده از گام های اصلاحی مرتبه دوم، ممکن است دچار اثر ماراتوس شود. با توجه به هزینه ی سنگین محاسبه ی گام های اصلاحی مرتبه دوم، روش فیلتر نایکنوا در ادبیات موضوع طراحی و معرفی شده است. این روش از دو فیلتر استفاده می کند: فیلتر استاندارد سراسری، با عنوان g-فیلتر که همگرایی سراسری روش را تضمین می کند و فیلتر نایکنوای موضعی، با عنوان l-فیلتر که امکان همگرایی موضعی سریع روش را فراهم می کند. چگونگی تعویض کارا بین این دو فیلتر بیان می شود. به علاوه، همگرایی سراسری و همگرایی موضعی زبرخطی روش ثابت می شود. ویژگی شاخص این روش عدم نیاز به گام های اصلاحی مرتبه دوم برای جلوگیری از اثر ماراتوس است. نتایج عددی حاصل از پیاده سازی این روش در محیط نرم افزاری fortran و اجرای برنامه روی مساله های آزمون کتابخانه ی cuter، نشان دهنده ی کارایی و پایداری روش است.

منابع مشابه

طراحی یک فیلتر تلفیق غیرخطی بهینه مبتنی بر الگوریتم بهینه سازی گروه ذرات برای سیستم ناوبری تلفیقی INS/GPS

چکیده: خطای سیستم‌های ناوبری اینرسی (INS) که امروزه سیستم ناوبری پایه در بسیاری از کاربردها از جمله کاربردهای نظامی است، با زمان افزایش می یابد. بنابراین برای دستیابی به دقت و قابلیت اطمینان بالاتر مخصوصا در ناوبری‌های طولانی مدت از جمله در کاربردهای دریایی باید از یک سیستم کمکی در کنار سیستم ناوبری اینرسی استفاده شود. در این مورد، سیستم موقعیت یاب جهانی (GPS) به دلیل ویژگی‌های مکمل، بهترین سیس...

متن کامل

فیلتر غیرخطی تطبیقی عصبی شناساگر با نرخ آموزش بهینه برای همگرایی پارامترها بر پایه گرادیان نزولی

بحث همگرایی در شبکه‌های عصبی شناساگر و کنترل‌کننده یکی از موارد پراهمیت در مهندسی کنترل می‌باشد، که در این راستا تحقیقات متنوعی صورت پذیرفته است که عمدتاً در چهار چوب شبکه‌های عصبی معمولی بوده است. در این مقاله الگوریتم گرادیان نزولی تطبیقی با یادگیری پارامترهای شبکه عصبی چند لایه بصورت بهنگام بر اساس بسط سری تیلور خطای خروجی مطرح و همگرایی الگوریتم آموزشی بررسی شده است‌. برای افزایش دقت و سرعت ...

متن کامل

یک روش ناحیه اعتماد نایکنواخت با جستجوی خطی نادقیق جدید برای بهینه سازی نامقید

در این پایان نامه، ابتدا قانون جستجوی خطی نادقیق نایکنواخت جدیدی که اخیرا در ادبیات موضوع مطرح شده است، ارائه می شود و سپس در روش ناحیه اعتماد برای مسایل بهینه سازی نامقید به کار برده می شود. در این قانون جستجوی خطی، مولفه نایکنواخت به جای مقدار تابع هدف فعلی ترکیب محدبی از مولفه نایکنواخت قبلی و مقدار تابع هدف فعلی است. با استفاده از این روش می توان در هر فرآیند جستجوی خطی به طول گام بزرگتری ر...

یک روش نایکنوای فیلتردار برای حل دستگاه معادلات غیرخطی

In this paper, a new approach is presented for solving nonlinear systems of equations in which a derivative-free nonmonotone strategy is employed. Besides, the new approach is equipped with a filter technique. Using this concept, we store some trial points that are probably ignored by some other line search methods. The new algorithm utilizes the information of existing points in the filter in ...

متن کامل

فیلتر غیرخطی تطبیقی عصبی شناساگر با نرخ آموزش بهینه برای همگرایی پارامترها بر پایه گرادیان نزولی

بحث همگرایی در شبکه های عصبی شناساگر و کنترل کننده یکی از موارد پراهمیت در مهندسی کنترل می باشد، که در این راستا تحقیقات متنوعی صورت پذیرفته است که عمدتاً در چهار چوب شبکه های عصبی معمولی بوده است. در این مقاله الگوریتم گرادیان نزولی تطبیقی با یادگیری پارامترهای شبکه عصبی چند لایه بصورت بهنگام بر اساس بسط سری تیلور خطای خروجی مطرح و همگرایی الگوریتم آموزشی بررسی شده است . برای افزایش دقت و سرعت ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده ریاضی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023