Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng

Tìm hiểu sâu về các lớp bài toán tối ưu không lồi, phương pháp giải và ứng dụng đa dạng. Nâng cao kỹ năng tối ưu hóa các hệ thống phức tạp.

Chuyên ngành
Toán học
Tác giả

Luan An

Thể loại

Luận án tiến sĩ

Năm xuất bản

Số trang

110

Thời gian đọc

17 phút

Lượt xem

2

Lượt tải

0

Phí lưu trữ

40 Point

Tổng quan nhanh

Chủ đề:
Nền tảng tối ưu không lồi: Khái niệm & Thuật toán DCA
Số trang:
110 trang
Trường:
Đại học Bách khoa Hà Nội
Chuyên ngành:
Toán học
Tác giả:
Năm:

Tóm tắt nội dung luận án

I.Nền tảng tối ưu không lồi Khái niệm Thuật toán DCA

Tài liệu này nghiên cứu các bài toán tối ưu không lồi, một lĩnh vực trọng yếu trong toán học ứng dụng và khoa học máy tính. Các bài toán tối ưu không lồi xuất hiện trong nhiều lĩnh vực thực tiễn, từ kỹ thuật đến kinh tế. Việc giải quyết chúng thường phức tạp hơn đáng kể so với các bài toán lồi, do sự tồn tại của nhiều cực tiểu địa phương. Tài liệu giới thiệu các khái niệm cơ bản về tối ưu không lồi, bao gồm các định nghĩa, tính chất và các lớp bài toán đặc trưng. Một trong những phương pháp tiếp cận chính được trình bày là thuật toán DCA (Difference of Convex functions Algorithm). DCA là một khuôn khổ mạnh mẽ để giải quyết các bài toán tối ưu không lồi bằng cách phân rã chúng thành hiệu của hai hàm lồi. Thuật toán này đã chứng minh hiệu quả trong việc tìm kiếm các nghiệm địa phương tốt, và trong một số trường hợp, có khả năng đạt được tối ưu toàn cục. Việc hiểu rõ nền tảng lý thuyết và các công cụ thuật toán như DCA là cần thiết cho việc phát triển các giải pháp cho các thách thức tối ưu hóa hiện đại.

1.1. Khái niệm cơ bản về tối ưu không lồi

Phần này định nghĩa chi tiết về các bài toán tối ưu không lồi. Các hàm mục tiêu và miền ràng buộc không lồi gây ra nhiều khó khăn cho việc tìm kiếm nghiệm tối ưu toàn cục. Sự khác biệt giữa cực tiểu địa phương và cực tiểu toàn cục được nhấn mạnh. Các khái niệm như hàm lồi, hàm lõm, và hàm DC (Difference of Convex functions) được trình bày rõ ràng. Hiểu biết về các lớp hàm này là nền tảng để xây dựng các thuật toán hiệu quả. Quy hoạch phi tuyến không lồi là một tên gọi khác, bao quát nhiều vấn đề phức tạp. Việc xác định các điều kiện tối ưu và các tính chất của hàm là bước đầu tiên trong việc phân tích một bài toán tối ưu không lồi. Phương pháp tiếp cận này giúp định hình chiến lược giải quyết cho từng loại bài toán cụ thể.

1.2. Thuật toán DCA và tiềm năng giải pháp

Thuật toán DCA được giới thiệu như một công cụ chính. DCA biến đổi bài toán tối ưu không lồi thành một chuỗi các bài toán lồi đơn giản hơn để giải. Mỗi bước lặp của DCA bao gồm việc giải một bài toán lồi. Sự hội tụ của thuật toán DCA được phân tích kỹ lưỡng. Mặc dù DCA thường hội tụ về một cực tiểu địa phương, khả năng điều chỉnh các điểm khởi tạo và kết hợp với các kỹ thuật khác có thể cải thiện khả năng tìm kiếm tối ưu toàn cục. DCA là một trong những thuật toán tối ưu không lồi được nghiên cứu và ứng dụng rộng rãi. Phương pháp này là một ví dụ điển hình của việc chuyển đổi bài toán khó thành chuỗi bài toán dễ hơn. Tính linh hoạt của DCA cho phép áp dụng nó vào nhiều dạng bài toán khác nhau.

II.Tối ưu không lồi Ứng dụng mạng không dây cảm biến

Bài toán tối ưu không lồi có nhiều ứng dụng thực tiễn, đặc biệt trong lĩnh vực viễn thông và mạng cảm biến. Tài liệu tập trung vào việc giải quyết các vấn đề phức tạp này bằng cách phát triển các thuật toán hiệu quả. Trong mạng không dây, việc phân bổ tài nguyên hiệu quả là chìa khóa để đảm bảo chất lượng dịch vụ và tối ưu hóa hiệu suất hệ thống. Các bài toán này thường chứa các hàm mục tiêu hoặc ràng buộc không lồi, đòi hỏi các phương pháp tối ưu chuyên biệt. Tương tự, trong mạng cảm biến vô tuyến, việc tối ưu hóa năng lượng phủ sóng là cực kỳ quan trọng để kéo dài tuổi thọ pin và mở rộng phạm vi hoạt động. Các phương pháp truyền thống thường không đủ khả năng xử lý tính chất không lồi của các bài toán này, dẫn đến nhu cầu về các thuật toán tiên tiến hơn. Việc áp dụng thành công các thuật toán tối ưu không lồi trong những lĩnh vực này mang lại lợi ích đáng kể, từ việc cải thiện hiệu suất đến giảm chi phí vận hành.

2.1. Phân bổ tài nguyên mạng không dây OFDMA

Vấn đề phân bổ tài nguyên cho mạng không dây OFDMA/TDD được phân tích sâu. Đây là một bài toán tối ưu không lồi phức tạp, bao gồm việc phân bổ kênh, công suất và thời gian. Mục tiêu là tối đa hóa thông lượng hoặc giảm thiểu nhiễu, trong khi vẫn tuân thủ các ràng buộc về tài nguyên. Tài liệu đề xuất một thuật toán hiệu quả dựa trên phương pháp tối ưu hóa DC. Bài toán được chuyển đổi thành dạng DC để áp dụng thuật toán DCA hoặc các biến thể. Kết quả tính toán thử nghiệm cho thấy hiệu quả của thuật toán trong việc tìm kiếm các giải pháp phân bổ tài nguyên gần tối ưu toàn cục. Phương pháp này đóng góp vào việc cải thiện hiệu suất của mạng viễn thông hiện đại. Việc tối ưu hóa phân bổ tài nguyên là yếu tố then chốt trong các hệ thống thông tin di động 5G và xa hơn.

2.2. Tối ưu năng lượng mạng cảm biến vô tuyến

Bài toán năng lượng phủ cảm biến cho mạng cảm biến vô tuyến (WSN) cũng được xem xét kỹ lưỡng. Mục tiêu là tối ưu hóa vị trí và công suất của các cảm biến để đạt được vùng phủ tối đa với mức tiêu thụ năng lượng tối thiểu. Đây là một bài toán tối ưu đơn điệu rời rạc với tính chất không lồi. Tài liệu trình bày một thuật toán nhánh-giảm-cận (BRB) toàn cục để giải quyết vấn đề này. Thuật toán BRB khám phá không gian tìm kiếm một cách có hệ thống, đảm bảo tìm được nghiệm tối ưu toàn cục. Kết quả thử nghiệm cho thấy thuật toán có khả năng tìm kiếm giải pháp hiệu quả, giúp kéo dài tuổi thọ của mạng cảm biến. Ứng dụng này có ý nghĩa quan trọng trong các hệ thống giám sát môi trường, IoT và tự động hóa. Việc giảm thiểu năng lượng là một thách thức lớn trong thiết kế các hệ thống nhúng.

III.Thuật toán tối ưu đa mục tiêu rời rạc hiệu quả

Ngoài các ứng dụng cụ thể, tài liệu còn mở rộng nghiên cứu sang lớp bài toán tối ưu đa mục tiêu rời rạc, một lĩnh vực khác của tối ưu không lồi. Trong nhiều tình huống thực tế, việc tối ưu hóa một mục tiêu duy nhất không đủ. Cần phải cân nhắc đồng thời nhiều mục tiêu khác nhau, thường xung đột với nhau. Ví dụ, trong thiết kế kỹ thuật, cần tối ưu hóa cả hiệu suất và chi phí. Các bài toán này trở nên phức tạp hơn khi các biến quyết định là rời rạc. Tài liệu giới thiệu các phương pháp để tìm ra toàn bộ tập giá trị hữu hiệu (Pareto optimal solutions), cung cấp một bức tranh toàn diện về các lựa chọn tối ưu. Việc phát triển thuật toán hiệu quả cho bài toán này là cần thiết để hỗ trợ ra quyết định trong các hệ thống phức tạp, từ lập kế hoạch sản xuất đến quản lý chuỗi cung ứng. Các giải pháp này cũng có tiềm năng ứng dụng trong học máy và tối ưu hóa metaheuristic, nơi nhiều tiêu chí cần được cân bằng.

3.1. Phân tích bài toán tối ưu đa mục tiêu rời rạc

Bài toán tối ưu đa mục tiêu rời rạc được mô tả chi tiết. Khái niệm về nghiệm Pareto hiệu quả và tập giá trị hữu hiệu được giải thích. Việc tìm kiếm tất cả các nghiệm Pareto là một thách thức lớn do kích thước không gian tìm kiếm rời rạc và tính chất không lồi của hàm mục tiêu. Tài liệu xây dựng một mô hình toán học cho bài toán, bao gồm các ràng buộc và các hàm mục tiêu. Các phương pháp truyền thống thường chỉ tìm ra một nghiệm Pareto, nhưng tài liệu này hướng tới việc tìm toàn bộ tập hợp các nghiệm này. Phân tích này là cơ sở để phát triển các thuật toán có khả năng khám phá không gian giải pháp đa chiều. Các bài toán này liên quan đến quy hoạch phi tuyến và tối ưu toàn cục.

3.2. Thuật toán tìm toàn bộ tập giá trị hiệu quả

Một thuật toán mới được đề xuất để tìm toàn bộ tập giá trị hữu hiệu của bài toán tối ưu đa mục tiêu rời rạc. Thuật toán sử dụng phương pháp biểu diễn miền tìm kiếm của bài toán. Các kỹ thuật nhánh-cận hoặc dựa trên không gian ảnh có thể được áp dụng. Phương pháp này đảm bảo tính toàn cục của các nghiệm tìm được. Việc kiểm định và đánh giá hiệu quả của thuật toán được thực hiện thông qua các ví dụ tính toán. Kết quả cho thấy khả năng của thuật toán trong việc xử lý các bài toán có kích thước vừa phải và cung cấp đầy đủ thông tin cho người ra quyết định. Giải pháp này có ý nghĩa quan trọng trong các lĩnh vực yêu cầu sự cân bằng giữa nhiều yếu tố, như tối ưu hóa trong học máy hoặc hệ thống phức tạp. Nó mở ra hướng nghiên cứu mới cho việc ứng dụng trong luyện kim mô phỏng hoặc tối ưu bầy đàn.

IV.Kết quả thực nghiệm triển vọng tối ưu toàn cục

Tài liệu không chỉ tập trung vào lý thuyết mà còn trình bày chi tiết các kết quả thực nghiệm. Việc đánh giá hiệu suất của các thuật toán là cực kỳ quan trọng để xác nhận tính khả thi và ưu việt của chúng. Các thử nghiệm được thực hiện trên nhiều bộ dữ liệu và kịch bản khác nhau, từ đó rút ra các nhận định về độ chính xác, tốc độ hội tụ và khả năng mở rộng của thuật toán. Kết quả thực nghiệm cho các bài toán phân bổ tài nguyên và tối ưu năng lượng phủ cảm biến đã chứng minh hiệu quả của các phương pháp đề xuất. Đặc biệt, khả năng tìm kiếm các nghiệm gần tối ưu toàn cục trong các bài toán không lồi phức tạp là một đóng góp quan trọng. Những kết quả này cung cấp bằng chứng cụ thể về giá trị của các thuật toán tối ưu không lồi được phát triển. Triển vọng ứng dụng của các phương pháp này là rất lớn, bao gồm các hệ thống học máy tiên tiến và mạng nơ-ron sâu, nơi các bài toán tối ưu không lồi xuất hiện thường xuyên.

4.1. Đánh giá kết quả tính toán thử nghiệm

Các phần kết quả tính toán thử nghiệm được trình bày rõ ràng. Đối với mỗi thuật toán, dữ liệu thử nghiệm, môi trường cài đặt, và các chỉ số hiệu suất được mô tả. So sánh với các phương pháp hiện có cũng được thực hiện để đánh giá ưu điểm của thuật toán mới. Ví dụ, hiệu quả của thuật toán DCA trong bài toán phân bổ tài nguyên mạng OFDMA được minh họa qua các đồ thị và bảng số liệu. Tương tự, thuật toán nhánh-giảm-cận cho bài toán năng lượng phủ cảm biến cũng được đánh giá về thời gian tính toán và chất lượng giải pháp. Các kết quả này chứng minh rằng các phương pháp đề xuất cung cấp giải pháp tối ưu toàn cục hoặc cận tối ưu hiệu quả, vượt trội hơn so với các phương pháp cục bộ. Việc phân tích chi tiết kết quả thực nghiệm củng cố niềm tin vào tính ứng dụng của luận án.

4.2. Hướng nghiên cứu và ứng dụng mở rộng

Dựa trên những đóng góp đã đạt được, tài liệu đề xuất các hướng nghiên cứu tiếp theo. Một trong những hướng chính là cải thiện khả năng mở rộng của các thuật toán để xử lý các bài toán kích thước lớn hơn. Việc tích hợp các kỹ thuật heuristic hoặc metaheuristic như giải thuật di truyền, tối ưu bầy đàn, hoặc luyện kim mô phỏng với các phương pháp tối ưu không lồi chính xác có thể mang lại hiệu quả cao hơn. Ngoài ra, việc ứng dụng các thuật toán này vào các lĩnh vực mới như học máy, đặc biệt là huấn luyện mạng nơ-ron sâu với phương pháp hạ gradient ngẫu nhiên được tối ưu, là một tiềm năng lớn. Phát triển các thuật toán lai (hybrid algorithms) kết hợp ưu điểm của nhiều phương pháp khác nhau cũng là một hướng đi triển vọng. Các cải tiến này có thể dẫn đến việc tìm kiếm tối ưu toàn cục hiệu quả hơn trong nhiều ứng dụng.

Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (110 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI PHẠM THỊ HOÀI MỘT SỐ LỚP BÀI TOÁN TỐI ƯU KHÔNG LỒI: THUẬT TOÁN VÀ ỨNG DỤNG LUẬN ÁN TIẾN SĨ TOÁN HỌC Hà Nội - 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI PHẠM THỊ HOÀI MỘT SỐ LỚP BÀI TOÁN TỐI ƯU KHÔNG LỒI: THUẬT TOÁN VÀ ỨNG DỤNG Ngành: Toán học Mã số: 9460101 LUẬN ÁN TIẾN SĨ TOÁN HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC 1. NGUYỄN CẢNH NAM 2. LÊ THỊ HOÀI AN Hà Nội - 2020 LỜI CAM ĐOAN Bản luận án này được hoàn thành tại Viện Toán ứng dụng và Tin học, Trường Đại học Bách khoa Hà Nội, dưới sự hướng dẫn khoa học của TS. Nguyễn Cảnh Nam và GS.

Lê Thị Hoài An. Tôi xin cam đoan các kết quả được trình bày trong luận án là trung thực và chưa từng được tác giả khác công bố. Các đồng tác giả đã đồng ý với việc đưa các kết quả công bố chung vào luận án. Hà Nội, ngày tháng năm 2020 Thay mặt tập thể hướng dẫn Nghiên cứu sinh TS.

Nguyễn Cảnh Nam Phạm Thị Hoài i LỜI CẢM ƠN Luận án được hoàn thành dưới sự hướng dẫn tận tình và nghiêm khắc của TS. Nguyễn Cảnh Nam và GS. Lê Thị Hoài An. Tác giả xin được bày tỏ lòng kính trọng và biết ơn sâu sắc tới Thầy, Cô.

Thầy Cô đã luôn ân cần hướng dẫn, chỉ bảo cho tác giả kiến thức về chuyên môn, từng bước định hướng nghiên cứu và truyền cho tác giả niềm đam mê nghiên cứu khoa học, ý thức tự học, tự tìm tòi bằng tấm gương của mình trong công việc cũng như trong cuộc sống. Những lời động viên, khích lệ của Thầy Cô là nguồn động lực to lớn để tác giả có thể vượt qua những khó khăn và trở ngại trên con đường học tập và nghiên cứu, tự tin bước tiếp trên con đường mình đã chọn. Trong quá trình học tập nói chung và thực hiện luận án này nói riêng, tác giả cũng nhận được sự quan tâm, giúp đỡ, chỉ dẫn tận tình cùng những lời khuyên quý báu của GS. Hoàng Tụy, GS.

Lê Dũng Mưu, PGS. Nguyễn Thị Bạch Kim, GS. Nguyễn Đông Yên, TS. Tạ Anh Sơn, TS.

Trần Ngọc Thăng, TS. Trần Đức Quỳnh, TS. Lê Quang Thủy, TS. Nguyễn Thị Bích Thủy, TS.

Nguyễn Quang Thuận. Tác giả xin được bày tỏ lòng biết ơn sâu sắc tới các Thầy Cô. Tác giả xin trân trọng cảm ơn Ban Giám hiệu, Phòng Tổ chức Cán bộ, Phòng Đào tạo - Trường Đại học Bách khoa Hà Nội, đã tạo điều kiện thuận lợi cho tác giả trong suốt quá trình làm việc, học tập, nghiên cứu và hoàn thành luận án. Tác giả xin được gửi lời cảm ơn chân thành tới Ban lãnh đạo cùng toàn thể cán bộ Viện Toán ứng dụng và Tin học, Trường Đại học Bách khoa Hà Nội, đã giúp đỡ, tạo điều kiện để tác giả vừa có thể hoàn thành công tác và vừa có thời gian học tập, hoàn thành chương trình nghiên cứu sinh.

Trong quá trình thực hiện luận án tác giả cũng nhận được sự hỗ trợ của Quỹ Phát triển Khoa học và Công nghệ Quốc gia (NAFOSTED) về kinh phí tham gia báo cáo tại hội thảo khoa học quốc tế và sự giúp đỡ tài trợ từ dự án của GS. Lê Thị Hoài An trong thời gian học tập tại phòng nghiên cứu về khoa học máy tính và ứng dụng, Đại học Lorraine, Cộng Hòa Pháp. Ngoài ra tác giả cũng nhận được kinh phí tài trợ mua vật tư, dụng cụ, tài liệu từ chương trình học bổng 911 trong nước. Tác giả trân trọng cảm ơn.

Tác giả xin chân thành cảm ơn PGS. Đỗ Đức Thuận, TS. Nguyễn Phương Thùy, TS. Nguyễn Hải Sơn, TS.

Trịnh Ngọc Hải cùng các Thầy Cô và anh chị em đồng nghiệp trong Xêmina Lý thuyết tối ưu và ứng dụng và Xêmina Bài toán cân bằng, bài toán điểm bất động và các vấn đề liên quan, Viện Toán ứng dụng và Tin học - Đại học Bách khoa Hà Nội, đã dành cho tác giả những cơ hội học tập trao đổi chuyên môn cùng những ý kiến đóng góp quý báu giúp cho tác giả hiểu sâu sắc hơn ii vấn đề nghiên cứu của mình. Cuối cùng tác giả xin dành lời cảm ơn đặc biệt gửi tới những người thân yêu trong gia đình cùng bạn bè của tác giả - những người đã, đang và sẽ là hậu phương vững chắc, cho tác giả nguồn cổ vũ và động viên tinh thần lớn lao để tác giả có thể hoàn thành công việc, học tập, nghiên cứu nói chung và việc viết luận án này nói riêng. iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii DANH MỤC CÁC KÍ HIỆU VÀ CHỮ VIẾT TẮT vi DANH MỤC BẢNG vi DANH MỤC HÌNH VẼ viii MỞ ĐẦU 1 Chương 1. KIẾN THỨC CHUẨN BỊ 6 1.1 Một số khái niệm cơ bản .2 Thuật toán DCA .1 Một số khái niệm cơ bản .2 Thuật toán giải bài toán tối ưu đơn điệu.

THUẬT TOÁN GIẢI MỘT SỐ BÀI TOÁN TỐI ƯU KHÔNG LỒI TRONG VIỄN THÔNG 25 2.1 Thuật toán giải bài toán phân bổ tài nguyên cho mạng không dây OFDMA/TDD .1 Mô tả bài toán .2 Bài toán tối ưu DC đa diện tương đương với bài toán (RAP) .3 Thuật toán toàn cục giải bài toán phân bổ tài nguyên cho mạng không dây OFDMA/TDD (RAP) .4 Kết quả tính toán thử nghiệm .2 Thuật toán giải bài toán năng lượng phủ cảm biến cho mạng cảm biến vô tuyến .1 Mô tả bài toán .2 Bài toán tối ưu đơn điệu rời rạc tương đương với bài toán (SCEP) 38 2.3 Thuật toán toàn cục nhánh-giảm-cận (BRB) giải bài toán (SCEP) 42 2.4 Kết quả tính toán thử nghiệm. THUẬT TOÁN TRÊN KHÔNG GIAN ẢNH GIẢI BÀI TOÁN TỐI ƯU ĐA MỤC TIÊU RỜI RẠC 57 3.1 Bài toán tối ưu đa mục tiêu rời rạc .2 Thuật toán tìm toàn bộ tập giá trị hữu hiệu của bài toán tối ưu đa mục tiêu rời rạc .1 Biểu diễn miền tìm kiếm của bài toán tối ưu đa mục tiêu rời rạc (MODO) .2 Thuật toán tìm toàn bộ tập giá trị hữu hiệu của bài toán tối ưu đa mục tiêu rời rạc (MODO) .3 Kết quả tính toán thử nghiệm .3 Thuật toán giải bài toán tối ưu trên tập hữu hiệu của bài toán tối ưu đa mục tiêu rời rạc .1 Mô tả bài toán .2 Thuật toán toàn cục giải bài toán (P ) .3 Kết quả tính toán thử nghiệm. 85 KẾT LUẬN CHUNG 89 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 91 TÀI LIỆU THAM KHẢO 92 v DANH MỤC CÁC KÍ HIỆU VÀ CHỮ VIẾT TẮT 0 véc-tơ không với số chiều phù hợp x ∈ Rn x = (x1 ,. , n x, y ∈ Rn , x ≤ y xi ≤ yi , i = 1,.

, n} : xi > yi , x, y ∈ Rn , x < y xi < yi , i = 1,. , n Rn+ {x ∈ Rn | x ≥ 0} u = x ∨ y, x, y ∈ Rn ui = max{xi , yi }, i = 1,. , n v = x ∧ y, x, y ∈ Rn vi = min{xi , yi }, i = 1,. , n ei véc-tơ đơn vị thứ i trong Rn , tức là, eii = 1, eij = 0, ∀j 6= i [a, b], a, b ∈ Rn {x ∈ Rn | a ≤ x ≤ b} (a, b], a, b ∈ Rn {x ∈ Rn | a < x ≤ b} [a, b), a, b ∈ Rn {x ∈ Rn | a ≤ x < b} #S số phần tử của tập S clG bao đóng của tập G V (P ) tập đỉnh của tập P vi BB Branch and Bound Thuật toán nhánh cận BRB Branch-Reduce-Bound Thuật toán nhánh-giảm-cận DC Difference of two Convex functions Hiệu hai hàm lồi DCA DC Algorithm Thuật toán hiệu hai hàm lồi DMO Discrete Monotonic Optimization Tối ưu đơn điệu rời rạc FDMA Frequency Division Multiple Access Đa truy nhập phân chia theo tần số MO Monotonic Optimization Tối ưu đơn điệu OFDMA Orthogonal Frequency Division Multiple Access Đa truy nhập phân chia theo tần số trực giao SCEP Sensor Cover Energy Problem Bài toán năng lượng phủ cảm biến TDD Time Division Duplexing Song công phân chia theo thời gian TDMA Time Division Multiple Access Đa truy nhập phân chia theo thời gian t.

với điều kiện vii DANH MỤC BẢNG 2.1 Kết quả giải bài toán (RAP) bằng Thuật toán 2.2 và Thuật toán 2.2 Kết quả áp dụng các Thuật toán 2.6 cho bài toán (SCEP) .3 Kết quả áp dụng Thuật toán 2.5 cho bài toán (SCEP) .1 Dữ liệu của Ví dụ 3.2 Kết quả tính toán theo Thuật toán 3.3 Kết quả tính toán theo Thuật toán 3.4 Kết quả tính toán theo Thuật toán 3.5 Kết quả tính toán theo Thuật toán 3.1 với các thủ tục cập nhật miền tìm kiếm và các cách quản lí khác nhau .6 Kết quả tính toán thử nghiệm Thuật toán 3.7 Kết quả so sánh Thuật toán 3.3 và Thuật toán 3. 87 viii DANH MỤC HÌNH VẼ 1.1 Minh họa trên đồ thị của hàm lồi y = f (x) .2 Minh họa tập chuẩn, đối chuẩn và biên trên, biên dưới tương ứng của chúng .3 Đa khối với tập đỉnh {u1 , u2 , u3 , u4 }, trong đó {u1 , u2 , u4 } là tập đỉnh chính, u3 là đỉnh không chính .4 Đối đa khối với tập đỉnh chính {z 1 , z 2 , z 3 } .5 Minh họa Mệnh đề 1.1 Khung OFDMA/TDD mô tả xung đột giữa hai người dùng .2 Tài nguyên cấp phát cho một người dùng là khung hình chữ nhật nhận (i1 , j1 ) và (i2 , j2 ) là đỉnh nếu anh ta được cấp hai nút này .3 n=25, m=5, Bộ dữ liệu 1 .4 n=25, m=5, Bộ dữ liệu 2 .5 n=25, m=5, Bộ dữ liệu 3 .6 n=25, m=5, Bộ dữ liệu 4 .7 n=25, m=5, Bộ dữ liệu 5 .8 n=25, m=50, Bộ dữ liệu 1 .9 n=25, m=50, Bộ dữ liệu 3 .10 n=25, m=50, Bộ dữ liệu 4 .11 n=25, m=50, Bộ dữ liệu 5 .12 n=75, m=15, Bộ dữ liệu 1 .13 n=75, m=15, Bộ dữ liệu 2 .14 n=75, m=15, Bộ dữ liệu 3 .15 n=75, m=15, Bộ dữ liệu 4 .16 n=75, m=15, Bộ dữ liệu 5 .1 Minh họa Ví dụ 3.2 Khởi tạo, N = ∅ và S(N ) = [y I , b) .7 Minh họa Ví dụ 3.8 Minh họa Ví dụ 3.9 Số phần tử của tập V (Y  ) nhỏ hơn rất nhiều so với số phần tử của tập Y, YN hay V (convY ) .10 Minh họa Ví dụ 3. Lý do chọn đề tài Tối ưu không lồi và tối ưu toàn cục là những vấn đề quan trọng của lí thuyết tối ưu với rất nhiều ứng dụng trong thực tế. Công trình của GS.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Trích dẫn luận án này

Phạm Thị Hoài (2020). Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng [Luận án tiến sĩ, Trường Đại học Bách khoa Hà Nội]. LuanAn.net. https://luanan.net/tai-lieu-khac/mot-so-lop-bai-toan-toi-uu-khong-loi-thuat-toan-va-ung-dung

Câu hỏi thường gặp

Luận án "Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng" nghiên cứu về vấn đề gì?

Tìm hiểu sâu về các lớp bài toán tối ưu không lồi, phương pháp giải và ứng dụng đa dạng. Nâng cao kỹ năng tối ưu hóa các hệ thống phức tạp.

Luận án "Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Trường Đại học Bách khoa Hà Nội. Năm bảo vệ: 2020.

Luận án "Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng" thuộc chuyên ngành gì?

Luận án "Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng" thuộc chuyên ngành Toán học. Danh mục: Tài liệu khác.

Luận án "Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng" có bao nhiêu trang?

Luận án "Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng" có 110 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Một số lớp bài toán tối ưu không lồi thuật toán và ứng dụng" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter