Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userNew Conjugate Gradient Algorithm for Solving Unconstrained Optimization Problems
خـوارزمية تدرج مترافق جديدة لحل مسائل الأمثليات غـيـر المقيدة
2345
4 56
0.0
(
0
)
Added by
Tishreen University ورقة بحثية
Publication date
2017
fields
Mathematics
and research's language is
العربية
Created by
Shamra Editor
Ask ChatGPT about the research
إن خوارزميات التدرج المترافق هامة لحل مسائل الأمثليات غـير المقيدة، لذلك نقدم في هذا البحث خوارزمية تدرج مترافق تعتمد على تحسين معامل الترافق الذي يحقق شرط الانحدار الكافي و التقارب الشامل و ذلك بإجراء تهجين بين معاملي الترافق [1] و [2] . تظهـــــر النتائج العددية فعالية الخوارزمية المقترحة بعد تطبيقها على عدة مسائل قياسية و مقارنتها مع خوارزميات تدرج مترافق أخرى من حيث عدد التكرارات و قيمة الدالة و نظيم شعاع التدرج.
Conjugate gradient algorithms are important for solving unconstrained optimization problems, so that we present in this paper conjugate gradient algorithm depending on improving conjugate coefficient achieving sufficient descent condition and global convergence by doing hybrid between the two conjugate coefficients [1] and [2]. Numerical results show the efficiency of the suggested algorithm after its application on several standard problems and comparing it with other conjugate gradient algorithms according to number of iterations, function value and norm of gradient vector.
Artificial intelligence review:
Research summary
تقدم هذه الورقة البحثية خوارزمية تدرج مترافق جديدة لحل مسائل الأمثليات غير المقيدة. تعتمد الخوارزمية المقترحة على تحسين معامل الترافق β لتحقيق شرط الانحدار الكافي والتقارب الشامل من خلال تهجين بين معاملي الترافق MIL و +MIL. أظهرت النتائج العددية فعالية الخوارزمية المقترحة بعد تطبيقها على عدة مسائل قياسية ومقارنتها مع خوارزميات تدرج مترافق أخرى من حيث عدد التكرارات، قيمة الدالة، ونظيم شعاع التدرج. تبين النتائج أن الخوارزمية المقترحة تعطي حلولاً عددية أكثر دقة وأقل تكلفة مقارنة بالخوارزميات الأخرى مثل FR، PRP، و +RMIL. تم استخدام برامج بلغة MatLab للحصول على النتائج العددية، وأظهرت النتائج تفوق الخوارزمية المقترحة في جميع المسائل المختبرة. تأتي أهمية البحث من خلال تطبيقاته في مجالات علمية متعددة كعلوم الحاسوب، الاقتصاد، ونظرية القرار والتحكم الآلي.
Critical review
دراسة نقدية: تعتبر هذه الورقة البحثية مساهمة قيمة في مجال الأمثليات غير المقيدة، حيث تقدم خوارزمية جديدة تعتمد على تحسين معامل الترافق لتحقيق تقارب شامل وفعالية عددية. ومع ذلك، يمكن أن تكون هناك بعض النقاط التي تحتاج إلى مزيد من التوضيح أو التحسين. على سبيل المثال، قد يكون من المفيد تقديم تحليل أعمق للأسباب التي تجعل الخوارزمية المقترحة تتفوق على الخوارزميات الأخرى. كما يمكن أن يكون هناك مزيد من التجارب العددية على مجموعة أوسع من المسائل لاختبار فعالية الخوارزمية في ظروف مختلفة. بالإضافة إلى ذلك، قد يكون من المفيد تقديم دراسة مقارنة مع خوارزميات حديثة أخرى لم يتم تناولها في الورقة. بشكل عام، الورقة تقدم إضافة مهمة ولكن يمكن تعزيزها بمزيد من التحليل والتجارب.
Questions related to the research
-
ما هي الخوارزمية المقترحة في هذه الورقة؟
الخوارزمية المقترحة هي خوارزمية تدرج مترافق جديدة تعتمد على تحسين معامل الترافق β لتحقيق شرط الانحدار الكافي والتقارب الشامل من خلال تهجين بين معاملي الترافق MIL و +MIL.
-
ما هي الأهداف الرئيسية للبحث؟
الأهداف الرئيسية للبحث هي تقديم خوارزمية تدرج مترافق جديدة لحل مسائل الأمثليات غير المقيدة، دراسة التقارب الشامل للخوارزمية المقترحة، ومقارنتها مع خوارزميات تدرج مترافق أخرى من خلال اختبارات عددية على مسائل قياسية.
-
ما هي النتائج العددية التي تم التوصل إليها؟
أظهرت النتائج العددية أن الخوارزمية المقترحة تعطي حلولاً عددية أكثر دقة وأقل تكلفة مقارنة بخوارزميات التدرج المترافق الأخرى مثل FR، PRP، و +RMIL.
-
ما هي أهمية البحث وتطبيقاته؟
تأتي أهمية البحث من خلال تطبيقاته في مجالات علمية متعددة كعلوم الحاسوب، الاقتصاد، ونظرية القرار والتحكم الآلي، حيث يمكن استخدام الخوارزمية المقترحة لحل مسائل الأمثليات غير المقيدة بكفاءة عالية.
References used
RIVAIE, M., MUSTAFA, M., JUNE, L. W., MOHD, I., A new class of nonlinear conjugate gradient coefficient with global convergence properties, Appl. Math. Comp. 218, 2012, 11323-11332
RIVAIE, M., MAMAT, M., ABASHAR, A., A new class of nonlinear conjugate gradient coefficients with exact and inexact line searches. Appl. Math. Comp. 268, 2015, 1152-1163
HESTENES, M. R., STIEFEL, E. L., Methods of conjugate gradients for solving linear systems, J. Research Nat. Bur. Standards, 49, 1952, 409-436
rate research
Read More
Nonlinear conjugate gradient (CG) method holds an important role in solving large-scale unconstrained optimization problems. In this paper, we suggest a new modification of CG coefficient �� that satisfies sufficient descent condition and possesses global convergence property under strong Wolfe line search. The numerical results show that our new method is more efficient compared with other CG formulas tested.
Multi-objective evolutionary algorithms are used in a wide range
of fields to solve the issues of optimization, which require several
conflicting objectives to be considered together. Basic evolutionary
algorithm algorithms have several drawbacks,
such as lack of a
good criterion for termination, and lack of evidence of good
convergence. A multi-objective hybrid evolutionary algorithm is
often used to overcome these defects.
optimization
الأمثلة
الأمثلة متعددة الأهداف
الخوارزميات التطورية
الخوارزميات التطورية المتعددة الأهداف
الخوارزميات التطورية عديدة الأهداف
(Multi-Objective Optimization (MO
Evolutionary Algorithms
(Multi-Objective Evolutionary Algorithms (MOEAs
(Many-Objective Evolutionary Algorithms (MaOEAs
المزيد..
we constructed a continuation predictor- corrector algorithm that
solves constrained optimization problems. Smooth penalty functions combined
with numerical continuation, along with the use of the expanded Lagrangian
system, were essential compone
nts of the algorithm. An improvement of this
algorithm was published, which dealt with the linear algebra in the
corrector part of the algorithm.
In this paper we offer a new interactive method for solving Multiobjective linear
programming problems. This method depends on forming the model for reducing the
relative deviations of objective functions from their ideal standard, and dealing with
the
unsatisfying deviations of objective functions by reacting with decision maker.
The results obtained from using this method were compared with many interactive
methods as (STEM Method[6] – Improvement STEM Method[7] – Matejas-peric
Method[8]). Numerical results indicate that the efficiency of purposed method comparing
with the obtained results by using that methods at initial solution point and the other
interactive points with decision maker.
The purpose of research is the study and analysis of some of the stochastic semi-gradient methods and their applicability to find the optimal solution for the issues of optimization are subject to the effects Random and conditions are controlled by c
hance, as we proved the convergence of some of these mathematical methods and their effectiveness for some of the issues of stochastic non-convex and equipped objective function and specific constraints and where taken energy complex solar as an example
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
