导读:本文包含了拉格朗日乘子论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:格朗,矩阵,极值,参数,不等式,法拉,算法。
拉格朗日乘子论文文献综述
吴超峰[1]（2019）在《基于增广拉格朗日乘子法的通行能力限制交通分配算法》一文中研究指出鉴于增广拉格朗日乘子法作为一种数学方法已被广泛应用于各类数值计算的实践中,提出了一种以增广拉格朗日乘子法为框架,能有效解决大路网通行能力限制下交通分配问题的求解算法。该算法中嵌入了基于可替换路径对的交通分配算法用于求解无通行能力限制的交通分配子问题,并给出了算法的具体步骤与技术细节。应用数值算例论证了算法的数值计算能力以及求解大路网通行能力限制下交通分配问题的性能,另外也分析了算法参数的灵敏度。(本文来源于《品质交通与协同共治——2019年中国城市交通规划年会论文集》期刊2019-10-16）
温瑞萍,李姝贞[2]（2019）在《Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法（英文）》一文中研究指出基于Toeplitz矩阵填充(TMC)的修正增广拉格朗日乘子(MALM)算法,本文给出此算法的一种加速策略,提出Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法.该方法通过削减原MALM算法中每一步迭代的频繁数据传输,提高算法的运行效率.同时也证明了新算法的收敛性.最后以数值实验表明?-步修正增广拉格朗日乘子算法比原MALM算法更有效.(本文来源于《应用数学》期刊2019年04期）
王林军,廖玮,王锬,杜义贤[3]（2019）在《基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析》一文中研究指出本文提出了一种基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析方法.该方法通过引入参数的不确定性和区间变量,得到一种概率-区间混合不确定模型,充分利用增广拉格朗日乘子法将有约束优化问题转化为无约束优化问题,基于此进行求解和结构可靠性分析.数值算例和工程实例验证了该算法在计算结构可靠性问题时对于线性和非线性的功能函数有良好的收敛性和较高的计算效率.(本文来源于《叁峡大学学报(自然科学版)》期刊2019年05期）
朱文强,林梅芬,陈婷[4]（2019）在《基于拉格朗日乘子协方差矩阵的电力系统多个不良参数辨识研究》一文中研究指出提出了一种基于拉格朗日乘子LagM协方差矩阵的多个不良参数辨识方法,用于甄别电力系统的多个不良参数。该方法先利用归一化LagM定位可疑参数,再通过LagM的协方差矩阵划分不同参数群,并将所有参数群中归一化LagM最大者对应的参数标记为不良参数。因为每个参数群均对应一个不良参数,从而实现系统中多个不良参数的辨识,同时采用不断修正和不断估计的手段,直至系统中不存在不良参数。最后通过IEEE14节点所构建的算例验证了所提方法的有效性。(本文来源于《智慧电力》期刊2019年09期）
刘亚南[5]（2019）在《非凸正则矩阵回归的增广拉格朗日乘子法》一文中研究指出随着现代科学技术的发展和大数据时代的到来,矩阵回归问题在科学研究和实际应用领域得到广泛应用,如机器学习和人工智能、基因表达分析、神经网络、医学成像、疾病诊断和治疗、风险管理等.近年来,大量的数据和复杂的结构出现,矩阵和向量混合形式的数据越来越多.因此矩阵和向量混合形式的矩阵回归模型得到越来越多关注.由于这类矩阵回归模型中同时包含矩阵和向量,具有高维性且结构复杂,因此对矩阵回归最小化问题的分析与求解至关重要.近年来,非凸函数(例如SCAD,MCP,l1范数惩罚,lp拟范数,其中0<P<1)由于克服了过度惩罚的缺点,在变量选择方面显示出了显着的优势.因此,我们提出并研究了两种新的非凸矩阵回归极小化方法,它将低秩稀疏正则化与非凸函数完美地结合起来,进而运用增广拉格朗日方法(ALM)求解非凸正则矩阵回归极小化问题,所得到的子问题要么有封闭解,要么可以用快速求解器求解,这使得增广拉格朗日方法(ALM)特别高效.对与第一种模型,我们证明了当惩罚参数比可计算阈值大时,增广拉格朗日方法(ALM)产生的序列收敛到一个平稳点.最后我们进行了全面的数值实验,实验表明我们提出的两种非凸正则矩阵回归最小化模型的性能优于现有的矩阵回归最小化模型.(本文来源于《北京交通大学》期刊2019-06-01）
朱茂春[6]（2019）在《拉格朗日乘子法在初等数学及Holder不等式中的应用》一文中研究指出拉格朗日乘子法在高等数学条件极值的求解过程中起着非常重要的作用,本文将利用拉格朗日乘子法给出初等数学中柯西不等式的一个新证明,进一步,我们利用拉格朗日乘子的思想给出实变函数中Holder不等式中的一个新证明,希望这些新应用引起大学生们对拉格朗日乘子法的广泛兴趣。(本文来源于《课程教育研究》期刊2019年19期）
化春键,熊雪梅,陈莹[7]（2018）在《基于拉格朗日乘子法的空间圆弧拟合优化方法》一文中研究指出针对传统的空间圆弧拟合方法鲁棒性低、拟合精度不高等问题,提出了一种鲁棒性较强的空间圆弧拟合优化方法。首先,以拉格朗日乘子法为基础,基于平面条件约束建立目标函数,从而得出空间圆弧拟合方程;其次,采用RANSAC(random sample consensus,随机抽样一致)算法剔除错误跟踪点,将RANSAC算法的高稳定性应用到空间圆弧拟合的点云优化中,进而提高拟合精度。最后,通过实验分析验证了所提空间圆弧拟合优化方法的可行性,并与传统拟合方法进行比较,分析所提方法的拟合精度。实验结果表明:普通圆弧点云拟合的相对精度在0.003左右,复杂圆弧点云拟合的相对精度在0.01左右;相较于传统拟合方法,所提方法有效解决了拟合精度低及鲁棒性差等问题。研究结果表明提出的空间圆弧拟合优化方法一方面可运用拉格朗日乘子法增强鲁棒性,另一方面可通过采用RANSAC方法剔除错误点以提高拟合精度,具有广泛的工程实际应用价值。(本文来源于《工程设计学报》期刊2018年06期）
钱季伟[8]（2018）在《拉格朗日乘子的解析与应用》一文中研究指出讨论了拉格朗日乘数法中乘子的意义,并引进了约束参数的概念,以定理的形式,揭示了条件极值、约束参数与拉格朗日乘子的关系。论述了包括了一个和多个约束条件两种情形下乘子的应用。(本文来源于《长江工程职业技术学院学报》期刊2018年04期）
黄煜栋,郝平[9]（2018）在《基于拉格朗日乘子优化传输控制消息间隔的OLSR协议》一文中研究指出针对链路状态路由(LSR)协议利用距离向量能提高路由收敛性,但仍遭受控制消息开销和路由收敛的权衡问题,提出基于拉格朗日乘子优化传输控制消息间隔模型(LMM)的最优链路状态路由(OLSR)。计算节点失效所产生的路由损失和控制开销;依据基于给定的控制开销,最小化路由损失的原则,建立目标函数;利用拉格朗日乘子算法求解目标函数,得到最优的控制消息间隔;将LMM应用于OLSR协议,记为LMM-OLSR。实验仿真结果表明:与传统的OLSR协议相比,LMM-OLSR协议能够有效地降低端到端传输时延和数据包丢失率。(本文来源于《传感器与微系统》期刊2018年12期）
方侃[10]（2018）在《拉格朗日乘子法求二元函数的最值的惯性误区与正确解析》一文中研究指出文章纠正了本科高等数学教材中一个常见错误,并提出正确解法。即用拉格朗日乘子法求在有界闭区域上连续可微的函数的最值,实际上按此方法得到的仅仅是极值,要想得到最值,必须把边界曲线代入最后比较得到的才是最大值和最小值。(本文来源于《福建教育学院学报》期刊2018年10期）
拉格朗日乘子论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于Toeplitz矩阵填充(TMC)的修正增广拉格朗日乘子(MALM)算法,本文给出此算法的一种加速策略,提出Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法.该方法通过削减原MALM算法中每一步迭代的频繁数据传输,提高算法的运行效率.同时也证明了新算法的收敛性.最后以数值实验表明?-步修正增广拉格朗日乘子算法比原MALM算法更有效.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
拉格朗日乘子论文参考文献
[1].吴超峰.基于增广拉格朗日乘子法的通行能力限制交通分配算法[C].品质交通与协同共治——2019年中国城市交通规划年会论文集.2019
[2].温瑞萍,李姝贞.Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法（英文）[J].应用数学.2019
[3].王林军,廖玮,王锬,杜义贤.基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析[J].叁峡大学学报(自然科学版).2019
[4].朱文强,林梅芬,陈婷.基于拉格朗日乘子协方差矩阵的电力系统多个不良参数辨识研究[J].智慧电力.2019
[5].刘亚南.非凸正则矩阵回归的增广拉格朗日乘子法[D].北京交通大学.2019
[6].朱茂春.拉格朗日乘子法在初等数学及Holder不等式中的应用[J].课程教育研究.2019
[7].化春键,熊雪梅,陈莹.基于拉格朗日乘子法的空间圆弧拟合优化方法[J].工程设计学报.2018
[8].钱季伟.拉格朗日乘子的解析与应用[J].长江工程职业技术学院学报.2018
[9].黄煜栋,郝平.基于拉格朗日乘子优化传输控制消息间隔的OLSR协议[J].传感器与微系统.2018
[10].方侃.拉格朗日乘子法求二元函数的最值的惯性误区与正确解析[J].福建教育学院学报.2018
论文知识图
