A reformulation framework for global optimization

In this paper, we present a global optimization method for solving nonconvex mixed integer nonlinear programming (MINLP) problems. A convex overestimation of the feasible region is obtained by replacing the nonconvex constraint functions with convex underestimators. For signomial functions single-va...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of global optimization Ročník 57; číslo 1; s. 115 - 141
Hlavní autoři:	Lundell, Andreas, Skjäl, Anders, Westerlund, Tapio
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Boston Springer US 01.09.2013 Springer Nature B.V
Témata:	Algorithms Approximation Computer Science Integer programming Mathematical programming Mathematics Mathematics and Statistics Mixed integer Nonlinear programming Operations Research/Decision Theory Optimization Optimization algorithms Real Functions Solvers Studies Transformations Variables Finland SGO-algorithm Global optimization Signomial functions Reformulation technique Convex underestimators Mixed integer nonlinear programming Twice-differentiable functions Piecewise linear functions BB-underestimator
ISSN:	0925-5001, 1573-2916
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!