ترجمه مقاله اندازه های نمونه کارآمد در برنامه ریزی غیرخطی تصادفی - نشریه الزویر

ترجمه مقاله اندازه های نمونه کارآمد در برنامه ریزی غیرخطی تصادفی - نشریه الزویر
قیمت خرید این محصول
۳۳,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
اندازه های نمونه کارآمد در برنامه ریزی غیرخطی تصادفی
عنوان انگلیسی
Efficient sample sizes in stochastic nonlinear programming
صفحات مقاله فارسی
19
صفحات مقاله انگلیسی
10
سال انتشار
2008
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
2.041 در سال 2019
شاخص H_index مجله
106 در سال 2020
شاخص SJR مجله
0.849 در سال 2019
شناسه ISSN مجله
0377-0427
شاخص Q یا Quartile (چارک)
Q2 در سال 2019
کد محصول
10663
وضعیت ترجمه منابع داخل متن
درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
ضمیمه
ندارد ☓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
ریاضی، ریاضی کاربردی
مجله
مجله ریاضی محاسباتی و کاربردی - Journal of Computational and Applied Mathematics
دانشگاه
گروه مهندسی برق و علوم رایانه، دانشگاه کالیفرنیا، ایالات متحده آمریکا
کلمات کلیدی
بهینه سازی تصادفی، تقریب های متوسط نمونه، قطری کردن، طراحی بهینه بر اساس قابلیت اطمینان
کلمات کلیدی انگلیسی
Stochastic optimization - Sample average approximations - Diagonalization - Reliability-based optimal design
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.cam.2007.02.014
فهرست مطالب
چکیده
1. مقدمه
2. قطری کارآمد
3. پیاده سازی مسئله قطری کارآمد
4. الگوریتم کلی
5. مطالعه موردی
6. نتیجه گیری
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

10663 IranArze     10663 IranArze1     10663 IranArze2

نمونه چکیده متن اصلی انگلیسی
Abstract

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 two numerical examples from structural engineering design.

6. Conclusions

We have demonstrated that solving an auxiliary, efficient diagonalization problem to obtain a diagonalization strategy can reduce the overall computing times in stochastic nonlinear programming. In particular, this approach eliminates the need for determining algorithm parameters by means of guesswork or costly numerical experimentation. Instead, the efficient diagonalization problem determines sample sizes and numbers of iterations at each stage using estimated values of cost-to-go, rate of convergence, and sampling error. Even using Matlab, the solution of the diagonalization problem requires only seconds of computing time. Our computational experience indicates that the advantage of an efficient diagonalization approach is more substantial for larger, more complicated problems and when a high-precision solution is sought.

نمونه چکیده ترجمه متن فارسی
چکیده
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.
6. نتیجه گیری
ما نشان داده ایم که حل کردن مسئله قطری کارآمد برای حصول یک استراتژی قطری می تواند زمانهای محاسبه کلی را در برنامه ریزی غیرخطی تصادفی کاهش دهد. بطور خاص این روش نیاز به تعیین پارامترهای الگوریتم را به وسیله حدس و گمان و روشهای عددی هزینه بردار کاهش می دهد. به جای آن مسئله قطری کارامد اندازه نمونه ها و تعداد تکرارها در هر مرحله را با استفاده از مقادیر تخمینی هزینه، نرخ همگرایی و خطای نمونه برداری تعیین می کند. حتی با استفاده از متلب، راه حل مسئله قطری تنها نیازمند زمان محاسبه است. تجربه محاسباتی ما نشان می دهد که مزیت روش قطری برای مسائل پیچیده تر و عظیم تر و زمانیکه یک راه حل با دقت بالا مطلوب باشد خیلی قابل توجه است.

بدون دیدگاه