虫子

ESA NLP解算器WORHP。我们优化真正巨大的问题(WORHP)是一个解决大规模,稀疏,非线性优化问题的数百万变量和约束。凸性是不需要的,但一些光滑性和正则性的假设对于基础理论和基于它的算法是必要的。WORHP从其核心基础设计为稀疏序列二次规划(SQP)/内点(IP)方法;它包括通过将图着色方法应用于有限差分来计算稀疏导数的有效例程、以Broyden、Fletcher、Goldfarb和Shanno(BFGS)命名的结构保持稀疏的Hessian近似更新技术,以及稀疏线性代数。此外,它基于反向通信,这提供了用户和非线性规划(NLP)解算器之间前所未有的交互水平。它被欧空局选为欧洲NLP解算器,基于其高鲁棒性和应用驱动的设计和开发理念。空间应用中的两个大规模优化问题证明了求解器的鲁棒性,补充了一般NLP方法的粗略描述和一些WORHP实现细节。


zbMATH中的参考文献(参考文献17条)

显示第1到17个结果,共17个。
按年份排序(引用)

  1. 康佐,基督徒;拉哈贾,安德烈亚斯B。;施瓦茨,亚历山德拉:基数约束优化问题的增广拉格朗日方法(2021)
  2. 里德尔,沃尔夫冈;贝尔,罗伯特;Gerdts,Matthias:基于优化的可达集细分算法(2021)
  3. 安德森,乔尔·A·E。;吉利斯,乔里斯;霍恩,格雷格;罗林斯,詹姆斯B。;Diehl,Moritz:CasADi:非线性优化和最优控制的软件框架(2019)
  4. 安德烈亚尼,罗伯托;拉米雷斯,薇薇安娜A。;桑托斯,桑德拉A。;Secchin,Leonardo D.:低层多目标问题的双层优化(2019)
  5. 弗拉坎普,凯瑟琳;新浪奥博博姆;Worthmann,Karl:模型预测控制中的对称性和运动原语(2019)
  6. Kuhlmann,Renke:学习如何引导非线性内点方法(2019)
  7. 佩诺,让·菲利普;米丘奇,多米尼克;丹尼尔,马克;Foufou,Sebti:在产品设计过程中实现建模者和黑盒约束求解器的更好集成(2019)
  8. 库尔曼,伦克;Büskens,Christof:一种原始-对偶增广拉格朗日罚内点滤波线搜索算法(2018)
  9. 库尔曼,伦克;格夫肯,Sören;《惠普沃森非线性规划的敏感性分析:2018年惠普Worskens的非线性规划》
  10. 马格努森,弗雷德里克;Åkesson,Johan:基于块三角排序的动态优化中的符号消去(2018)
  11. 本杰明·穆勒;库尔曼,伦克;Vigerske,Stefan:关于NLP解决方案在全球MINLP解决方案中的表现(2018年)
  12. 做罗萨里奥·德皮诺,玛丽亚;Nunes Nogueira,Filipa:最优控制在SEIR规范化模型中的应用:利弊(2017)
  13. 伊佐,达里奥;海恩斯,但以理;Simões,Luís F。;马尔滕斯,马库斯:为全球轨道优化竞赛设计复杂的行星际轨道(2016)
  14. Büskens,克里斯托夫;Dennis Wassel:ESA NLP解算器(2013)
  15. 克雷马斯奇,弗朗切斯科:发射器和再入飞行器的弹道优化(2013年)
  16. 法萨诺,乔治;Pintér,János D.:空间工程的模型开发和优化:概念、工具、应用和前景(2013)
  17. 兰图,格雷戈里;Russell,Ryan P:约束最优控制问题的混合微分动态规划算法。一: 理论(2012)