史努菲特

SNOBFIT(稳定噪声分枝拟合优化)是一个matlab6软件包,用于求解连续变量在界范围内变化、可能受到附加软约束的噪声优化问题。不支持离散变量。目标函数值必须由基于文件的接口提供;注意,即使在接口产生噪声或偶尔产生未定义的结果(隐藏约束)时,优化仍会合理进行。该接口使得使用SNOBFIT处理手工输入的新数据成为可能,也可以使用任何自动或半自动的实验系统。这使得SNOBFIT非常适合于为模拟或实验选择连续参数设置,以优化用户指定的标准为目标。由于可以输入多个数据点,SNOBFIT可以利用并行函数求值。该方法将分枝策略与基于拟合二次模型的序贯二次规划方法相结合,以提高寻找全局最小值的机会,使之具有良好的局部性质。各种保护措施解决了实际应用中可能出现的许多可能的陷阱,而大多数其他优化例程对此准备不足。软约束采用一种新的惩罚型方法,具有很强的理论性质。为了使用SNOBFIT,需要MINQ界约束二次规划包。(资料来源:http://plato.asu.edu)


zbMATH中的参考文献(参考文献21条)

显示第1到第20个结果,共21个。
按年份排序(引用)
  1. 马开文;萨希尼迪斯,尼古拉斯诉。;拉贾戈帕兰,斯雷坎特;阿玛兰,萨蒂亚吉特;Bury,Scott J.:无导数优化中的分解(2021)
  2. 巴贾吉,伊山;Faruque Hasan,M.M.:有界黑箱问题的确定性全局无导数优化(2020)
  3. 绍克,本杰明;普洛斯卡斯,尼古拉斯;Sahinidis,Nikolaos:GPU参数调整用于高瘦密集线性最小二乘问题(2020)
  4. 拉森,杰弗里;梅尼克尔,马特;Wild,Stefan M.:无导数优化方法(2019)
  5. 穆勒,朱利安;戴,马库斯:具有隐藏约束的计算代价昂贵的黑盒问题的替代优化(2019)
  6. 奥黛特,查尔斯;伊哈达丁,阿米娜;迪加贝尔,塞巴斯蒂安;Tribes,Christophe:使用网格自适应直接搜索算法对噪声黑盒问题进行鲁棒优化(2018)
  7. 科斯塔,阿尔伯托;Nannicini,Giacomo:RBFOpt:一个用于黑盒优化的开源库,具有昂贵的函数评估(2018)
  8. 休耶,沃尔特劳;Neumaier,Arnold:MINQ8:广义定有界约束不定二次规划(2018)
  9. 施瓦兹,汉斯;贝尔奇,瓦伦丁;Fichtner,Wolf:分散式能源系统的两阶段随机大规模优化:以住宅区太阳能光伏、热泵和存储为重点的案例研究(2018)
  10. 阿玛兰,萨蒂亚吉特;萨希尼迪斯,尼古拉斯诉。;沙达,比克拉姆;Bury,Scott J.:仿真优化:算法与应用综述(2016)
  11. 布考瓦拉,法尼;守财奴,露丝;Floudas,Christodoulos A.:混合整数非线性规划的全局优化进展,MINLP和约束无导数优化,CDFO(2016)
  12. 拉撒,马库斯;Jarre,Florian:无需使用导数的优化校准(2016)
  13. 客户,A.L。;Madeira,J.F.A.:GLODS:使用直接搜索的全局和局部优化(2015)
  14. 阿玛兰,萨蒂亚吉特;萨希尼迪斯,尼古拉斯诉。;沙达,比克拉姆;伯里,斯科特J.:模拟优化:算法和应用综述(2014)
  15. 比卢普斯,斯蒂芬C。;拉森,杰弗里;Graf,Peter:使用加权回归对具有计算误差的昂贵函数的无导数优化(2013)
  16. 福克斯,雅罗斯拉夫M。;古尔德,尼古拉斯I.M。;Farmer,Chris L.:Hessian-Lipschitz连续函数全局优化的分枝定界算法(2013)
  17. 里奥斯,路易斯·米格尔;Sahinidis,Nikolaos V.:无导数优化:算法回顾和软件实现比较(2013)
  18. 纽梅尔,阿诺德;芬德尔,汉斯;希利,哈拉尔德;Leitner,Thomas:VXQR:基于QR因子分解的无约束无约束优化(2011)ioport公司
  19. 王元年;Tonon,Fulvio:完整岩石达到峰值强度的离散单元模型校准(2010)
  20. Fuchs,Martin:云,(p)-盒,模糊集,和高维中的其他不确定性表示(2009)