ترجمه فارسی مقاله الگوریتم های نقطه داخلی قطعی و تصادفی تک حلقه ای برای بهینه سازی غیرخطی محدود

چکیده

An interior-point algorithm framework is proposed, analyzed, and tested for solving nonlinearly constrained continuous optimization problems. The main setting of interest is when the objective and constraint functions may be nonlinear and/or nonconvex, and when constraint values and derivatives are tractable to compute, but objective function values and derivatives can only be estimated. The algorithm is intended primarily for a setting that is similar for stochastic-gradient methods for unconstrained optimization, namely, the setting when stochastic-gradient estimates are available and employed in place of gradients of the objective, and when no objective function values (nor estimates of them) are employed. This is achieved by the interior-point framework having a single-loop structure rather than the nested-loop structure that is typical of contemporary interior-point methods. For completeness, convergence guarantees for the framework are provided both for deterministic and stochastic settings. Numerical experiments show that the algorithm yields good performance on a large set of test problems.

چکیده به فارسی (ترجمه ماشینی)

چارچوب الگوریتم نقطه داخلی پیشنهاد ، تجزیه و تحلیل و آزمایش برای حل مشکلات بهینه سازی مداوم غیرخطی محدود شده است.تعیین اصلی علاقه زمانی است که ممکن است توابع عینی و محدودیت غیرخطی و/یا غیر کانکس باشد ، و هنگامی که مقادیر و مشتقات محدودیت برای محاسبه قابل ردیابی هستند ، اما مقادیر عملکرد عینی و مشتقات فقط می توانند تخمین زده شوند.این الگوریتم در درجه اول برای تنظیمات مشابه برای روشهای کلاس تصادفی برای بهینه سازی نامشخص در نظر گرفته شده است ، یعنی تنظیم هنگامی که برآوردهای شیب تصادفی در جای شیب های هدف در دسترس و به کار می روند ، و هنگامی که هیچ عملکرد عینی (و تخمین زده می شود.از آنها) شاغل هستند.این امر توسط چارچوب نقطه داخلی با داشتن یک ساختار تک حلقه ای به جای ساختار حلقه تو در تو که نمونه ای از روشهای داخلی معاصر است ، حاصل می شود.برای کامل بودن ، ضمانت همگرایی برای چارچوب هم برای تنظیمات قطعی و هم برای تصادفی ارائه می شود.آزمایش های عددی نشان می دهد که این الگوریتم عملکرد خوبی را در مجموعه بزرگی از مشکلات آزمایش به دست می آورد.