It is known a class of methods that

It is known a class of methods that do not explicitly use
derivatives - direct search methods for unconstrained
optimization. Recent researches have shown the global
convergence of pattern search algorithms (a class of
direct search methods) for the case when function f is
continuously differentiable (Aude & Dennis, 2003,
Torczon, 1997). The advantage of the multidimensional
bisection method presenting in this paper is that it
convergence does not require an assumption about
differentiability of function f and method allows to find
the minimizer of nonsmooth functions.
In point 2 we describe the multidimensional bisection
method (MBM) for minimizing function over simplex. In
point 3, the details of the extension of MBM for solving
the unconstrained minimization problem are presented. In
point 4 some numerical results illustrate the robustness of
the method.

ผลลัพธ์ (ไทย) 1:

เป็นที่รู้จักระดับของวิธีการที่ไม่ได้ใช้อย่างชัดเจนunconstrained อนุพันธ์ - วิธีค้นหาโดยตรงเพิ่มประสิทธิภาพการ งานวิจัยล่าสุดแสดงให้เห็นโลกบรรจบกันของอัลกอริทึมค้นหารูปแบบ (ชั้นเรียนของวิธีการค้นหาโดยตรง) สำหรับกรณีเมื่อมีฟังก์ชัน fอย่างต่อเนื่อง differentiable (Aude และเดนนิส 2003Torczon, 1997) ข้อดีของการที่หลายbisection วิธีนำเสนอในเอกสารนี้ได้บรรจบกันไม่จำเป็นต้องมีสมมติฐานเกี่ยวกับdifferentiability ของฟังก์ชัน f และวิธีที่ช่วยให้การค้นหาminimizer ฟังก์ชัน nonsmoothในจุดที่ 2 เราอธิบาย bisection หลายมิติวิธี (ความ) เพื่อฟังก์ชันผ่าน simplex ในจุด 3 รายละเอียดของการขยายความการแก้ไขมีแสดง unconstrained การลดปัญหา ในชี้ 4 ผลลัพธ์บางอย่างเป็นตัวเลขแสดงเสถียรภาพของวิธีการ

ผลลัพธ์ (ไทย) 2:

เป็นที่รู้จักกันในชั้นเรียนของวิธีการที่ไม่ชัดเจนใช้
ตราสารอนุพันธ์ - วิธีการค้นหาโดยตรงสำหรับการไม่มีข้อ จำกัด
การเพิ่มประสิทธิภาพ งานวิจัยล่าสุดแสดงให้เห็นทั่วโลก
การบรรจบกันของขั้นตอนวิธีการค้นหารูปแบบ (ชั้น
วิธีการค้นหาโดยตรง) สำหรับกรณีที่ฟังก์ชัน f เป็น
อย่างต่อเนื่องอนุพันธ์ (Aude และเดนนิส 2003
Torczon, 1997) ประโยชน์จากหลายมิติ
วิธี bisection นำเสนอในบทความนี้ก็คือว่ามัน
บรรจบกันไม่จำเป็นต้องมีสมมติฐานเกี่ยวกับ
อนุพันธ์ของฟังก์ชั่นฉและวิธีการช่วยให้การหา
ผืนฟังก์ชั่น nonsmooth.
ในจุดที่ 2 เราจะอธิบาย bisection หลายมิติ
วิธี (MBM) เพื่อลด ฟังก์ชั่นในช่วงเริม ใน
จุดที่ 3 รายละเอียดของการขยายตัวของ MBM สำหรับการแก้
ปัญหาการลดข้อ จำกัด ที่นำเสนอ ใน
จุดที่ 4 ผลการแสดงให้เห็นถึงตัวเลขบางความทนทานของ
วิธีการ

ผลลัพธ์ (ไทย) 3:

มันเป็นที่รู้จักกันเป็นชั้นของวิธีการที่ไม่แน่ชัดใช้อนุพันธ์ - วิธีการค้นหาโดยตรงสำหรับ

ต่างกันไปการเพิ่มประสิทธิภาพ การวิจัยล่าสุดได้แสดงให้เวอร์ทั่วโลก
ของขั้นตอนวิธีการค้นหาแบบ ( ห้อง
วิธีการค้นหาโดยตรง ) สำหรับกรณีเมื่อฟังก์ชัน f
Differentiable อย่างต่อเนื่อง ( สึงุมิ โอบะ&เดนนิส , 2003 ,
torczon , 1997 ) ประโยชน์ของหลายมิติ
bisection วิธีการนำเสนอในบทความนี้คือ มันไม่ต้องใช้เวอร์

differentiability ข้อสมมติเกี่ยวกับฟังก์ชัน f และวิธีช่วยให้สามารถหาผู้ทำให้มีค่าน้อยลงของฟังก์ชัน nonsmooth
.
ใน 2 จุดที่เราอธิบายวิธีการ bisection
หลายมิติ ( MBM ) สำหรับการลดฟังก์ชันเริม . ใน
จุด 3 , รายละเอียดของนามสกุล MBM แก้
การเสนอปัญหาต่างกันไป . ใน
4 จุดผลลัพธ์เชิงตัวเลขบางส่วนแสดงให้เห็นถึงความแกร่งของ

วิธี