Constrained Global Optimization: Algorithms and Applications

بهینه‌سازی جهانی به توصیف و محاسبه مینیمم یا ماکزیمم جهانی توابع غیرخطی مربوط می‌شود. چنین مسائلی در مدل‌سازی ریاضی سیستم‌های دنیای واقعی برای طیف وسیعی از کاربردها گسترده هستند. این برنامه ها شامل صرفه جویی در مقیاس، هزینه های ثابت، مشکلات تخصیص و مکان، تخصیص درجه دوم و تعدادی دیگر از مسائل بهینه سازی ترکیبی است. اخیراً نشان داده شده است که جنبه های خاصی از طراحی تراشه VLSI و مشکلات پایگاه داده را می توان به عنوان مسائل بهینه سازی جهانی محدود با تابع هدف درجه دوم فرموله کرد. اگرچه الگوریتم‌های برنامه‌نویسی غیرخطی استاندارد معمولاً یک حداقل محلی برای مسئله به دست می‌آورند، چنین حداقل محلی تنها زمانی سراسری خواهد بود که شرایط خاصی برآورده شود (مانند محدب بودن f و K ).

Global optimization is concerned with the characterization and computation of global minima or maxima of nonlinear functions. Such problems are widespread in mathematical modeling of real world systems for a very broad range of applications. The applications include economies of scale, fixed charges, allocation and location problems, quadratic assignment and a number of other combinatorial optimization problems. More recently it has been shown that certain aspects of VLSI chip design and database problems can be formulated as constrained global optimization problems with a quadratic objective function. Although standard nonlinear programming algorithms will usually obtain a local minimum to the problem , such a local minimum will only be global when certain conditions are satisfied (such as f and K being convex).