Resumen

El método de Lagrangiano aumentado se puede utilizar para resolver problemas de recurso y obtener su solución normal en la resolución de problemas de programación lineal estocástica de dos etapas. La función objetivo del Lagrangiano aumentado de un problema lineal estocástico no es dos veces diferenciable, lo que impide el uso de un método de Newton. En este artículo, aplicamos técnicas de suavizado y un algoritmo rápido de Newton-Armijo para resolver una reformulación suave sin restricciones de este problema. Se presentan resultados computacionales y comparaciones para mostrar la eficacia y rapidez del algoritmo.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Método de Lagrangiano aumentado; Problemas de programación lineal estocástica de dos etapas; Técnicas de suavizado; Algoritmo rápido de Newton-Armijo; Resultados computacionales; Efectividad y velocidad
• Keywords:Augmented lagrangian method; Two-stage stochastic linear programming problems; Smoothing techniques; Fast newton-armijo algorithm; Computational results; Effectiveness and speed