جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه convex quadratic programming در نشریات گروه علوم پایه
convex quadratic programming
در نشریات گروه ریاضی
تکرار جستجوی کلیدواژه convex quadratic programming در مقالات مجلات علمی
-
In this paper, we present primal-dual interior-point methods (IPMs) for convex quadratic programming (CQP) based on a new twice parameterized kernel function (KF) with a hyperbolic barrier term. To our knowledge, this is the first KF with a twice parameterized hyperbolic barrier term. By using some conditions and simple analysis, we derive the currently best-known iteration bounds for large- and small-update methods, namely, $\textbf{O}\big(\sqrt{n}\log n\log\frac{n}{\epsilon}\big)$ and $\textbf{O}\big(\sqrt{n}\log\frac{n}{\epsilon}\big)$, respectively, with special choices of the parameters. Finally, some numerical results regarding the practical performance of the new proposed KF are reported.Keywords: Convex Quadratic Programming, Kernel Function, Interior-Point Methods, Large-, Small-Update Methods
-
دستگاه معادلات خطی، یکی از مهمترین ابزارهای مدلسازی پدیده های دنیای واقعی است. اما از آنجاییکه پدیده های دنیای واقعی همواره با عدم قطعیت همراه هستند، لذا حل دستگاه معادلات خطی فازی از اهمیت بسزایی برخوردار می شود. یکی از روش های متداول و پر کاربرد برای یافتن جواب های دقیق و تقریبی یک دستگاه معادلات خطی فازی، استفاده از روش کمترین مربعات است. در این روش، با انتخاب یک متر دلخواه و حل یک مساله برنامه ریزی درجه دوم متناظر، جواب تقریبی (و گاه دقیق) برای دستگاه معادلات خطی فازی ارائه می شود. در این مقاله، ابتدا نشان می دهیم که مساله برنامه ریزی درجه دوم متناظر با سه متر مختلف معروف و متداول، تحت شرایط مناسب مستقل از نوع تابع متر انتخاب شده، محدب است. سپس با در نظر گرفتن این سه متر متفاوت، با حل مثال های متعدد و مقایسه جواب های تقریبی به دست آمده از آنها، به دنبال انتخاب بهترین متر خواهیم بود.کلید واژگان: اعداد فازی، مساله برنامه ریزی درجه دوم محدب، روش کمترین مربعاتThe linear systems are one of the most important tools for modeling real-world phenomena. Because the real-world phenomena are always associated with uncertainty, solving the fuzzy linear system have a great importance. One of the proposed methods to find the exact and approximate solutions of a fuzzy linear system is using the least squares method. In this method, by choosing an arbitrary meter and solving a quadratic programming, they provide an approximate (or exact) solution for the fuzzy linear system. In this paper, at first, we prove that under some conditions and not depending on the selected meter the quadratic programming is convex. Therefore, by considering three different meters and solving several examples, we compare the obtained approximate solutions.Keywords: Fuzzy Numbers, Convex quadratic programming, Least squares
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.