UOBYQA公司

UOBYQA:基于二次逼近的无约束优化。提出了一种新的通用无约束优化计算算法。它通过插值形成二次模型来考虑目标函数的曲率。显然,不需要一阶导数。一个典型的迭代算法生成一个新的变量向量,要么通过最小化二次模型的信任域边界,要么通过一个过程,以提高模型的精度。讨论了插值点的初始位置和信赖域半径的调整。该算法明确地处理插值方程的拉格朗日函数,因此当插值点移动时,其系数会更新。拉格朗日函数有助于改进模型,也提供了最小化函数二次近似误差的估计。文中指出,对于小于20个变量的函数,结果是非常有前途的。


zbMATH参考文献(参考 60篇文章 参考,1标准件)

显示第1到第20个结果,共60个。
按年份排序(引用)
  1. Amos,Brandon D.;Easterling,David R.;Watson,Layne T.;Thacker,William I.;Castle,Brent S.;Trosset,Michael W.:算法1007:QNSTOP——随机优化的拟牛顿算法(2020)
  2. Sauk,Benjamin;Ploskas,Nikolaos;Sahinidis,Nikolaos:GPU参数调整,适用于高瘦密集线性最小二乘问题(2020年)
  3. Mohammad Ahmaward;Esmaeilbeigi,Mohsen;Kamandi,Ahmad;Yaghoobi,Farajollah Mohammadi:基于点排序和MLE技术的改进混合轨道算法(2019)
  4. Berahas,Albert S.;Byrd,Richard H.;Nocedal,Jorge:通过拟牛顿方法对噪声函数进行无导数优化(2019年)
  5. Cartis,Coralia;Roberts,Lindon:无导数高斯-牛顿法(2019)
  6. Larson,Jeffrey;Menickelly,Matt;Wild,Stefan M.:无导数优化方法(2019年)
  7. Audet,Charles;Ihaddadene,Amina;Le Digabel,Sébastien;Tribes,Christophe:使用网格自适应直接搜索算法的噪声黑箱问题的鲁棒优化(2018)
  8. Chen,R.;Menickelly,M.;Scheinberg,K.:使用信赖域方法和随机模型的随机优化(2018)
  9. Gobbi,Paula E.:家庭中的儿童保育和承诺(2018年)
  10. 何新宇;胡,扬州;鲍威尔,沃伦B.:多维连续空间上非线性参数信念模型的最优学习(2018)
  11. Maggiar,Alvaro;Wächter,Andreas;Dolinskaya,Irina S.;Staum,Jeremy:使用自适应多重要性抽样优化通过高斯卷积平滑的函数的导数自由信赖域算法(2018)
  12. Shashaani,Sara;Hashemi,Fatemeh S.;Pasupathy,Raghu:ASTRO-DF:一类用于无导数随机优化的自适应采样信赖域算法(2018)
  13. Zhou,Zhe;Bai,Fusheng:基于径向基函数插值的代价高昂的黑盒全局优化自适应框架(2018)
  14. C、 Cartis;L.Roberts:无导数高斯-牛顿法(2017)阿尔十四
  15. Hare,W.:凸函数和全线性模型的组合(2017)
  16. Rahmanpour,Fardin;Hosseini,Mohammad Mehdi;Maalek Ghaini,Farid Mohammad:基于径向基函数的非光滑约束优化的无惩罚方法(2017)
  17. Regis,Rommel G.;Wild,Stefan M.:CONORBIT:信赖域中径向基函数插值的约束优化(2017)
  18. Verdério,Adriano;Karas,Elizabeth W.;Pedroso,Lucas G.;Scheinberg,Katya:关于导数自由信赖域算法二次模型的构建(2017)
  19. Chen,Xiaojun;Kelley,C.T.:具有隐藏约束和嵌入蒙特卡罗计算的优化(2016)
  20. Larson,Jeffrey;Billups,Stephen C.:使用信赖域框架的随机无导数优化(2016)