Análisis comparativo de modelos acelerados para resolver problemas de optimización sin restricciones con la aplicación de la regla híbrida de Khan
Autores: Rakoevi, Vladimir; Petrovi, Milena J.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Análisis comparativo de modelos acelerados para resolver problemas de optimización sin restricciones con la aplicación de la regla híbrida de Khan
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Descenso de gradiente
Variantes aceleradas
Enfoques contemporáneos
Modelos acelerados híbridos
Resultados de pruebas numéricas
Esquemas de optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
En este documento, seguimos un desarrollo cronológico de los métodos de descenso de gradiente y sus variantes aceleradas posteriormente. Específicamente enfatizamos algunos enfoques contemporáneos dentro de este campo de investigación. Por lo tanto, se presenta una visión general constructiva sobre la clase de modelos acelerados híbridos derivados del proceso de hibridación de tres términos propuesto por Khan. Los extensos resultados de pruebas numéricas ilustran los perfiles de rendimiento de las versiones híbridas y no híbridas de los modelos de gradiente acelerado elegidos con respecto al número de iteraciones, tiempo de CPU y número de métricas de evaluación de funciones. Los resultados favorables justifican este enfoque híbrido como un método aceptado en el desarrollo de nuevos esquemas de optimización eficientes.
Descripción
En este documento, seguimos un desarrollo cronológico de los métodos de descenso de gradiente y sus variantes aceleradas posteriormente. Específicamente enfatizamos algunos enfoques contemporáneos dentro de este campo de investigación. Por lo tanto, se presenta una visión general constructiva sobre la clase de modelos acelerados híbridos derivados del proceso de hibridación de tres términos propuesto por Khan. Los extensos resultados de pruebas numéricas ilustran los perfiles de rendimiento de las versiones híbridas y no híbridas de los modelos de gradiente acelerado elegidos con respecto al número de iteraciones, tiempo de CPU y número de métricas de evaluación de funciones. Los resultados favorables justifican este enfoque híbrido como un método aceptado en el desarrollo de nuevos esquemas de optimización eficientes.