skip to Main Content
اندازه¬های نمونه کارآمد در برنامه¬ریزی غیرخطی تصادفی

اندازه¬های نمونه کارآمد در برنامه¬ریزی غیرخطی تصادفی

عنوان انگلیسی: Efficient sample sizes in stochastic nonlinear programming
سال نشر: ۲۰۰۸
نویسنده: E. Polak,J.O. Royset
تعداد صفحه فارسی: ۱۸ – تعداد صفحه انگلیسی: ۱۰
دانشگاه: Department of Electrical Engineering & Computer Sciences, University of California, Berkeley, CA 94720, USA
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس


ما یک کلاس از برنامه¬های غیرخطی را که برای آن یک تقریب به راه حل بهینه موضعی از نظر کاهش کسری خطای هزینه اولیه مشخص شده است را در نظر می¬گیریم. ما نشان می¬دهیم که چنین راه حل تقریبی می¬تواند با حل تقریبی یک دنباله از تقریبهای متوسط نمونه یافت شود. مسئله کلیدی در این روش عبارتست از تعیین توالی تقریبهای متوسط نمونه و همچنین تعداد تکرارهایی که برای تقریب متوسط هر نمونه در این توالی صورت می¬گیرد. ما نشان می¬دهیم که یکی می¬تواند این نیازمندی را بصورت یک مسئله بهینه¬سازی آرمانی که تابع هزینه آن کار محاسباتی مورد نیاز برای حصول کاهش خطای مورد نیاز است بیان کند. مشخصات این مسئله بهینه¬سازی آرمانی نیازمند دانش دقیق از مسائل و پارامترهای الگوریتمی است. از آنجا که مقادیر دقیق این پارامترها در دست نیست، ما از تخمین استفاده می¬کنیم که می-تواند به روزرسانی شود. ما روش خود را با استفاده از دو نمونه عددی از طراحی مهندسی ساختاری نشان خواهیم داد.


We consider a class of stochastic nonlinear programs for which an approximation to a locally optimal solution is specified in
terms of a fractional reduction of the initial cost error. We show that such an approximate solution can be found by approximately
solving a sequence of sample average approximations. The key issue in this approach is the determination of the required sequence
of sample average approximations as well as the number of iterations to be carried out on each sample average approximation
in this sequence. We show that one can express this requirement as an idealized optimization problem whose cost function is the
computing work required to obtain the required error reduction. The specification of this idealized optimization problem requires
the exact knowledge of a few problems and algorithm parameters. Since the exact values of these parameters are not known, we
use estimates, which can be updated as the computation progresses. We illustrate our approach using
۳۵۰,۰۰۰.۰۰ ریال – خرید
امتیاز شما:
Back To Top