Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Optimální algoritmy pro rozsáhlé řídké problémy kvadratického programování

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F06%3A00013637" target="_blank" >RIV/61989100:27240/06:00013637 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Optimal algorithms for large sparse quadratic programming problems with uniformly bounded spectrum

  • Popis výsledku v původním jazyce

    Recently proposed algorithms for the solution of large quadratic programming problems are reviewed. An important feature of these algorithms is their capability to find an approximate solution of the convex equality and/or bound constrained quadratic programming problems with the uniformly bounded spectrum of the Hessian matrix at $O(1)$ iterations. If we consider a class of problems with the Hessian which is either sparse or can be expressed as a product of sparse matrices, then these algorithms can find the solution at the cost nearly proportional to the dimension of the problem. The theoretical results are presented and illustrated by numerical experiments.

  • Název v anglickém jazyce

    Optimal algorithms for large sparse quadratic programming problems with uniformly bounded spectrum

  • Popis výsledku anglicky

    Recently proposed algorithms for the solution of large quadratic programming problems are reviewed. An important feature of these algorithms is their capability to find an approximate solution of the convex equality and/or bound constrained quadratic programming problems with the uniformly bounded spectrum of the Hessian matrix at $O(1)$ iterations. If we consider a class of problems with the Hessian which is either sparse or can be expressed as a product of sparse matrices, then these algorithms can find the solution at the cost nearly proportional to the dimension of the problem. The theoretical results are presented and illustrated by numerical experiments.

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

    BA - Obecná matematika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA101%2F04%2F1145" target="_blank" >GA101/04/1145: Vývoj a implementace škálovatelných numerických metod pro řešení fyzikálně realistických modelů kontaktních úloh se třením ve 2 a 3D</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2006

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    Large-Scale Nonlinear Optimization Series: Nonconvex Optimization and Its Applications

  • ISBN

    0-387-30063-5

  • Počet stran výsledku

    11

  • Strana od-do

    83-93

  • Počet stran knihy

  • Název nakladatele

    Springer

  • Místo vydání

    Erice, Itálie

  • Kód UT WoS kapitoly