Comparative Analysis of Some Algorithms for Solving Problems of Multidimensional Constrained Optimization

Kryuchkov M.V.

Abstract


The paper presents the results of solving problem of a multidimensional constrained optimization by four methods: classical gradient descent, accurate analytical solution of the system, genetic algorithm, and own method “pulling up the middle”. The need for setting this problem arises when solving systems of linear algebraic equations, building regression models, training of artificial neural networks, etc. For the test optimization problem each of the above methods was consistently applied, which allowed to perform a comparative analysis and identify the advantages and disadvantages of the used algorithms.

Keywords


constrained optimization; mathematical programming; neural network

References References

Калацкая Л. В., Новиков В. А., Садов В. С. Организация и обучение искусственных нейронных сетей : экспериментальное учеб. пособие. - Минск : Изд-во БГУ, 2003.

Крючков М. В. Построение нейросетевой модели для решения задачи спортивного прогнозирования // Вестник ИжГТУ. - 2013. - № 4(60). - С. 159-161.

Курс социально-экономической статистики : учебник / М. Г. Назаров [и др.]. - Изд. 9-е. - М. : Омега-Л, 2011.

Акулич И. П. Специальные задачи линейного программирования. - М. : Высш. шк., 1986.

Ильин В. А., Позняк Э. Г. Линейная алгебра : учебник для вузов. - Изд. 6-е, стер. - М. : Физматлит, 2004.

Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы : учеб. пособие. - Изд. 2-е. - М. : Физматлит, 2006.


Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM


Copyright (c) 2014 Bulletin of Kalashnikov ISTU

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


ISSN 1813-7903 (Print)
ISSN 2413-1172 (Online)