Resumen

En este artículo se presenta un algoritmo de Lagrange no lineal implementable para problemas estocásticos de minimax basado en el método de aproximación del promedio de muestras, en el cual el segundo paso minimiza una función de Lagrange no lineal con funciones de aproximación del promedio de muestras de las funciones originales y se adopta la aproximación del promedio de muestras del multiplicador de Lagrange. Bajo un conjunto de suposiciones moderadas, se demuestra que las secuencias de solución y multiplicador obtenidas por el algoritmo propuesto convergen al par de Kuhn-Tucker del problema original con probabilidad uno a medida que aumenta el tamaño de la muestra. Por último, se realizan experimentos numéricos para cinco ejemplos de prueba y los resultados numéricos indican que el algoritmo es prometedor.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Lagrange; Algoritmo; Estocástico; Minimax; Aproximación del promedio de la muestra; Experimentos numéricos
• Keywords:Lagrange; Algorithm; Stochastic; Minimax; Sample average approximation; Numerical experiments