考虑以下线性规划算法,用A.x < = b最小化[c,x]。线性规划算法
(1)启动与一个可行的点X_0
(2)给定一个可行点X_K,找到最大的α,使得X_K - alpha.c是受理(简单明了,看的比率A.x0到Ac的组件)
(3)将正常单位矢量n拿到我们刚刚到达的超平面,向内指向。在平面[n,n]上给出r = n - [n,c]/[c,c] .c,然后查找x_k - alpha.c + beta.r可接受的最大beta。设置x_ {k + 1} = x_k-alpha.c + 1/2 * beta.r
如果x_ {k + 1}足够接近x_k的范围内,则返回它,否则返回(2)
基本的想法是按照渐变直到碰到墙壁。然后,不像单纯形法的外壳那样遵循单纯形法则,解决方案在法向矢量的方向上,在解决方案没有变坏的平面内被踢回。解决方案在此方向的起点和下一个约束之间移动一半。它并没有比以前更糟糕,但是现在它更多地在单纯的“内部”,在那里有一个向着最佳状态迈进的长步。
虽然击中多于一个超平面的交点的概率是0,如果一个得到一定的容差范围内足够接近的多个超平面,法线的平均可以采取。
通过跟踪函数级别上的测地线,可以推广到任何凸目标函数。特别是对于二次编程,可以将解决方案转向单工的内部。
问题:
这是否算法有一个名字或下降的线性规划算法类别中?
它有一个明显的缺陷,我忽略了吗?
听起来像一个作业问题 –
不,没有任何想象的延伸 –