Ero sivun ”Matemaattinen optimointi” versioiden välillä
| [arvioimaton versio] | [arvioimaton versio] |
Poistettu sisältö Lisätty sisältö
p Optimointitehtävätyypit -> Optimointitehtävätyyppejä |
|||
Rivi 10:
== Optimointitehtävätyyppejä ==
* '''Lineaarisen''' optimointitehtävän (engl. lyh. LP) kohdefunktio ja rajoitusehdot ovat [[Lineaarinen_funktio|lineaarisia funktioita]]. Lineaarinen tehtävä on laajasti tutkittu ja tälle on kehitetty paljon tehokkaita ratkaisualgoritmeja kuten George Dantzigin vuonna 1947 {{Lähde}}.
* '''Epälineaarinen''' optimointi on yleisnimitys optimointitehtävälle, jonka kohdefunktio ja mahdolliset rajoitusehdot ovat [[Epälineaarinen|epälineaarisia]]
** '''Konveksin''' optimointitehtävän kohdefunktio sekä mahdolliset rajoitusehdot ovat [[Konveksi_funktio|konvekseja]]. Konveksin minimointitehtävän tärkeä ominaisuus on, että paikallinen minimipiste on myös tehtävän globaali minimipiste.
***
** '''Stokastisen''' optimointitehtävän kohdefunktiossa ja rajoitusehdoissa esiintyy yksi tai useampi [[Satunnaismuuttuja#Satunnaismuuttuja|satunnaismuuttuja]].
** '''Kokonaislukuoptimointitehtävän''' käypä ratkaisujoukko kuuluu kokonaislukujen joukkoon. Kokonaislukuoptimointitehtävän ratkaiseminen ovat laskennallisesti haastavaa ja usein tyydytään riittävän hyvään ratkaisuun globaalin optimiratkaisun sijasta.
*** '''Dynaaminen ohjelmointitehtävä''' on tehokas kokonaislukutehtävän ratkaisumalli, jota voidaan soveltaa vain jos tehtävä on mahdollista esittää toisistaan riippumattomia alitehtävien yhdistelmänä. Ns. '''Bellmanin yhtälö''' määrää välttämättömät ehdot kohdetehtävlle, johon voidaan soveltaa dynaamisen ohjelmoinnin periaatetta.
==Lineaarinen optimointi==
| |||