实体
Augmented Lagrangian method
Augmented Lagrangian method
PulseAugur coverage of Augmented Lagrangian method — every cluster mentioning Augmented Lagrangian method across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
混合新方法通过进化算法增强约束优化
研究人员开发了一种新的混合增广拉格朗日（HyAL）方法，该方法结合了增广拉格朗日框架和进化算法在约束优化问题上的优势。这种新颖的方法利用进化技术来解决增广拉格朗日迭代中的子问题，增强了探索能力并有助于跳出局部最优。在基准问题上的实验表明，HyAL能够持续获得高质量的解决方案，其性能优于纯进化方法，并且在高维问题上具有更好的可扩展性。该方法在具有多个局部最小值和鞍点的复杂景观上，也超越了最先进的数值优化算法。
-
新的矩阵值优化方法改进了机器学习中的约束处理
研究人员证明了约束优化中的增广拉格朗日方法与乐观对偶方法之间的等价性，并将其扩展到矩阵值参数。他们提出了一个加性原理，即原始轨迹取决于校正矩阵之和，而与它们在增广和乐观通道之间的分配无关。这导致了一种混合设计，该设计优化了步长限制，并在非线性等式约束问题上优于纯粹的方法，尽管它在约束雅可比矩阵病态的情况下存在局限性。