ВВЕДЕНИЕ
ГЛАВА 1. ПРЕДВАРИТЕЛЬНЫЕ СВЕДЕНИЯ
1.1. Условия экстремума задачи безусловной минимизации
1.2. Выпуклые функции и их свойства. Сведения из выпуклого анализа
1.3. Базовые схемы релаксационных методов безусловной оптимизации
1.4. Основные понятия теории обучения
ГЛАВА 2. ОБУЧАЮЩИЕСЯ РЕЛАКСАЦИОННЫЕ СУБГРАДИЕНТНЫЕ МЕТОДЫ
2.1. Подход построения алгоритмов обучения в методах сопряженных субградиентов
2.2. Итерационный метод решения множества неравенств на основе одношагового алгоритма обучения
2.3. Алгоритм минимизации на основе одношагового алгоритма обучения для решения множества неравенств
2.4. Связь с методом сопряженных градиентов
2.5. Реализация алгоритма минимизации на основе одношагового алгоритмаобучения для решения множества неравенств
2.6. Результаты главы
ГЛАВА 3. МНОГОШАГОВЫЙ МЕТОД НЕГЛАДКОЙ ОПТИМИЗАЦИИ НАОСНОВЕ ДВУХШАГОВОГО АЛГОРИТМА КАЧМАЖА
3.1. Постановка задачи
3.2. Семейство Методов решения систем неравенств
3.3. Семейство Субградиентных методов минимизации
3.4. Связь с методом сопряженных градиентов
3.5. Одномерная минимизации
3.6. Одномерный поиск минимума. Кубическая интерполяция
3.7. Одномерный спуск с кубической интерполяцией
3.8. Алгоритм минимизации
3.9. Численный эксперимент
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА