Konvexe Optimierung
Mathematica Version 12 erweitert die Bandbreite an Optimierungsverfahren, um das Finden von Lösungen für konvexe Funktionen mit konvexen Bedingungen einzuschließen. Für die damit beschreibbaren konvexe Optimierungsprobleme sind schnelle und robuste Algorithmen sowohl in Theorie als auch Praxis vorhanden. Die mit den Neuerungen in Mathematica 12 lösbaren konvexen Optimierungsmodelle werden in immer mehr Bereichen wie beispielsweise Statistik, Finanzen, Signalverarbeitung und Geometrie klassifiziert.
- Neue Sammlung von Funktionen für Klassen von konvexen Optimierungsmodellen
- Erweitere Unterstützung für lineare Optimierung »
- Unterstützung linear gebrochener Optimierung »
- Unterstützung quadratischer Optimierung »
- Unterstützung konische Optimierung zweiter Ordnung »
- Unterstützung semidefiniter Optimierung »
- Unterstützung konische Optimierung »
- Unterstützung primärer und dualer Lösungseigenschaften
- Unterstützung von matrix- oder formelbasierter Modellierungseingabe
- Vektorungleichheiten für die Modellierung mit Vektor-Variablen
- Automatischer Rückschluss auf die Dimension für Vektor-Variablen
- Automatische Erkennung von konvexen Problemen bei bestehenden allgemeinen Optimierungsfunktionen
- Automatische Verwendung der konvexen Optimierung für spezielle Aufgaben
