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)

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

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）