بازگشت به فهرست مقالات

    Convex Optimization

    Stephen BoydLieven Vandenberghe
    📅 2004🏛 Cambridge University Press
    مسئله

    شناسایی و حل کارآمد مسائل بهینه‌سازی محدب در کاربردهای مهندسی

    روش

    چارچوب یکپارچه مجموعه‌ها و توابع محدب، دوگانگی، روش‌های نقطه داخلی

    یافته

    بسیاری از مسائل مهندسی را می‌توان به فرم محدب تبدیل و با الگوریتم‌های کارآمد حل کرد

    محدودیت‌ها

    مسائل غیرمحدب پوشش داده نمی‌شوند؛ نیاز به مدل‌سازی دقیق محدب بودن

    کاربرد عملی

    ابزار اصلی برای طراحی کنترلرهای پایدار تعادل در ربات انسان‌نما و بهینه‌سازی مسیر/منابع در دو پروژه دیگر

    📇 فلش‌کارت خلاصه — 13 فیلد تحلیلی برای این مقاله

    خلاصه

    کتاب مرجع جامع بهینه‌سازی محدب که تئوری و کاربرد را با هم پوشش می‌دهد.

    نمای سریع

    استاندارد طلایی آموزش و کاربرد بهینه‌سازی محدب.

    یافته‌های کلیدی

    بسیاری از مسائل مهندسی را می‌توان به فرم محدب تبدیل و با الگوریتم‌های کارآمد حل کرد

    هدف

    آموزش تشخیص و حل مسائل محدب.

    روش

    چارچوب یکپارچه مجموعه‌ها و توابع محدب، دوگانگی، روش‌های نقطه داخلی

    نتایج

    ارائه روش‌های عددی کارآمد و مثال‌های گسترده مهندسی.

    نتیجه‌گیری

    بهینه‌سازی محدب ابزار قدرتمند و قابل اعتماد برای بسیاری از حوزه‌هاست.

    مفاهیم کلیدی

    convex-sets، convex-functions، interior-point-methods، duality

    مطالعه‌ی بیشتر

    دوره EE364A استنفورد و نرم‌افزار CVX.

    تحلیل

    تأکید بر مدل‌سازی به جای صرفاً الگوریتم.

    محدودیت‌ها

    مسائل غیرمحدب پوشش داده نمی‌شوند؛ نیاز به مدل‌سازی دقیق محدب بودن

    کارهای آینده

    توسعه به مسائل بزرگ‌مقیاس و توزیع‌شده.

    کاربرد عملی

    ابزار اصلی برای طراحی کنترلرهای پایدار تعادل در ربات انسان‌نما و بهینه‌سازی مسیر/منابع در دو پروژه دیگر

    ارجاعات (این مقاله از این‌ها استفاده کرده) (0)

    ارجاعی ثبت نشده است.

    ارجاع‌شده توسط (0) ▶

    هنوز مقاله‌ای به این ارجاع نداده است.

    مسیر یادگیری پیش‌نیاز این مقاله