Optimización no convexa: utilizando matrices de precondicionamiento para mejorar óptimamente los límites de las variables en las relajaciones lineales
Autores: Reyes, Victor; Araya, Ignacio
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Optimización no convexa: utilizando matrices de precondicionamiento para mejorar óptimamente los límites de las variables en las relajaciones lineales
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Algoritmos de ramificación y acotación
Técnicas de relajación convexa
Dominios de variables
Sistema lineal
Precondicionamiento
Problemas de optimización no convexos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
El rendimiento de los algoritmos de ramificación y acotación para resolver problemas de optimización no convexos depende en gran medida de las técnicas de relajación convexa. Generan regiones convexas que se utilizan para mejorar los límites de los dominios de las variables.
Descripción
El rendimiento de los algoritmos de ramificación y acotación para resolver problemas de optimización no convexos depende en gran medida de las técnicas de relajación convexa. Generan regiones convexas que se utilizan para mejorar los límites de los dominios de las variables.