Maple全局优化工具箱

优化是寻找满足复杂约束和目标的解决方案的科学。在工程中,技术问题可能会产生约束。在企业中,约束与许多因素有关,包括成本、时间和员工。全局优化的目标是[数值地]找到高度非线性优化模型的绝对最佳解,这些模型可能具有许多局部最优解。全局优化问题可能非常困难。通常,工程师和研究人员不得不以牺牲额外的时间、金钱和资源为代价,接受“足够好”的解决方案,因为还没有找到最佳的解决方案。使用全局优化工具箱,您可以在强大的Maple数字和符号系统中轻松地制定优化模型,然后使用世界级的Maple数值解算器快速返回最佳答案!

ORMS中也引用了该软件。


zbMATH中的参考文献(参考文献149篇,1标准件)

显示149个结果中的1到20个。
按年份排序(引用)

1 2 ... 6 7 8 下一个

  1. 斯特金,R.G。;格格尔,副总裁。;Barkalov,K.A.:基于块递归降维方案的自适应全局优化(2020)
  2. 斯特朗金,罗马人;康斯坦丁巴卡洛夫;Bevzuk,Semen:通过实现Lipschitz常数的双重估计加速全球搜索(2020)
  3. 坎帕斯,弗兰克J。;卡斯蒂略,伊格纳西奥;Pintér,János D.:规则多边形中的优化椭圆填料(2019年)
  4. 穆罕默德·拉哈尔;阿伯德卡德,西亚迪;Rachid,Ellia:在非凸集中生成(\alpha)-稠密曲线来求解一类非光滑约束全局优化(2019)
  5. 伊林斯卡斯,安塔纳斯;Gimbutienė,Gražina:基于贝叶斯方法的全局搜索与聚类辅助局部细化的混合(2019)
  6. 康斯坦丁巴卡洛夫;Strongin,Roman:用一致收敛的并行技术求解一组全局优化问题(2018)
  7. 加尔文,詹姆斯;吉姆布提安,格拉齐纳;威廉O菲利普斯。;Žilinskas,Antanas:基于矩形划分的全局优化算法的收敛速度(2018)
  8. 叶夫图申科,尤里;波西普金,米哈伊尔;瑞巴克、拉里萨;图尔金,安德烈:近似非线性不等式的解集(2018)
  9. 泰沃,J。;科科宁,P。;弗兰克,M。;Herty,M.:关于Boltzmann连续减速输运方程解的存在性(2018)
  10. 欧内斯图斯,马克西米利安;弗里德里希,斯蒂芬;海默,迈克尔;Kokemüller,一月;克勒,亚历山大;莫伊尼,马赫迪;施密特,克里斯蒂安:画廊照明算法(2017)
  11. Tarłowski,Dawid:关于广义马尔可夫搜索全局最小值的收敛速度问题(2017)
  12. 薛定儒:分数阶控制系统。基本原理和数值实现(2017)
  13. 杜贾利,阿卜杜拉;苏雷什,S。;Sundararajan,N.:MSO:有界约束黑盒全局优化算法框架(2016)
  14. 伊娃·巴尔萨·坎托;阿隆索,安东尼奥A。;阿里亚斯-梅恩德斯,安娜;加西亚,米丽亚姆。;洛佩斯-努涅斯,A。;莫斯科费尔南德斯,马鲁萨;瓦茨奎兹,C。;Vilas,Carlos:建模和优化技术及其在食品加工、生物过程和生物系统中的应用(2016)
  15. 叶夫图申科,于。G、 。;Lurie,南卡罗来纳州。;波西普金,文学硕士。;你叫索亚耶夫。O、 :应用优化方法寻找二维晶体的平衡状态(2016)
  16. 格格尔,维克托;格里沙金,弗拉基米尔;Alexander nested global optimization(多维嵌套搜索方案:Alexander 2016)
  17. Paulavičius,雷米吉尤斯;Žilinskas,Julius:带线性约束的Lipschitz优化问题的简单划分优势(2016)
  18. Regis,Rommel G.:关于约束和多目标黑盒优化的自适应随机搜索方法的收敛性(2016)
  19. 谢尔盖耶夫,雅罗斯拉夫D。;Mukhametzhanov,马拉特S。;克瓦索夫,德米特里E。;Lera,Daniela:嵌入单变量全局优化的无导数局部调整和局部改进技术(2016)
  20. 伊林斯卡斯,安塔纳斯;Gimbutienė,Gražina:单变量双目标Lipschitz优化中的一步最坏情况三分法(2016)

1 2 ... 6 7 8 下一个