Linear optimization is always implemented subject to restrictions to variables.
Linear Optimization Problems with Inexact Data
Understanding the role of a slack variable is crucial in linear optimization.
Equivalently, its vertices can be thought of as describing all perfect matchings in a complete bipartite graph, and a linear optimization problem on this polytope can be interpreted as a bipartite minimum weight perfect matching problem.
Равным образом, вершины этого многогранника можно понимать как описание всех совершенных паросочетаний полного двудольного графа, а задачу линейной оптимизации на этом многограннике можно рассматривать как задачу поиска взвешенного минимального совершенного паросочетания.
Models of linear optimization of control.
Models of linear optimization management.
Модели линейной оптимизации управления.
Calmness in linear optimization.
Двойственность в линейной оптимизации.
The importance of this paper, containing a new polynomial-time algorithm for linear optimization problems, was not only in its complexity bound.
Значение этой работы, в которой предлагался новый полиномиальный алгоритм для задач линейной оптимизации, состояло не только в установлении границ вычислительной сложности.
However, similar bounds cannot be obtained for the FTL algorithm for other important families of models like online linear optimization.
Однако похожие границы не могут быть получены для алгоритма «следования за лидером» для других важных семейств моделей, как для онлайновой линейной оптимизации.
On the other hand, before linear optimization can be applied to the output layer of an RBF network, the number of radial units must be decided, and then their centers and deviations must be set.
С другой стороны, до того как применять линейную оптимизацию в выходном слое сети РБФ, необходимо определить число радиальных элементов, положение их центров и величины отклонений.
With Bland's rule, the simplex algorithm solves feasible linear optimization problems without cycling.
С правилом Блэнда алгоритм симплекс-метода решает допустимые задачи линейной оптимизации без зацикливания.
Once centers and deviations have been set, the output layer can be optimized using the standard linear optimization technique: the pseudo-inverse (singular value decomposition) algorithm (Haykin, 1994; Golub and Kahan, 1965).
После того, как выбраны центры и отклонения, параметры выходного слоя оптимизируются с помощью стандартного метода линейной оптимизации - алгоритма псевдообратных матриц (сингулярного разложения) (Haykin, 1994; Golub and Kahan, 1965).
Interior Point Methods for Linear Optimization
Метод внутренних точек в линейной оптимизации