برنامه‌ریزی پارامتری: تفاوت میان نسخه‌ها

'''برنامه‌ریزی [[پرمایش|پَرمایش]]ی''' یا '''بهینه‌سازی زمان‌وردا''' از مسایل [[بهینه‌سازی ریاضی|بهینه‌سازی ریاضی]] می‌باشد که مساله به یاری [[تابع]]ی از یک یا چند [[پارامتر|پارامون]] واکاوی می‌شود <ref>{{Cite journal|last=Kungurtsev|first=Vyacheslav|last2=Diehl|first2=Moritz|date=2014-12|title=Sequential quadratic programming methods for parametric nonlinear optimization|url=http://link.springer.com/10.1007/s10589-014-9696-2|journal=Computational Optimization and Applications|language=en|volume=59|issue=3|pages=475–509|doi=10.1007/s10589-014-9696-2|issn=0926-6003}}</ref>. گوالش این شاخه از ریاضی به یاری '''واکاوی حساسیت''' یک مساله بهینه‌سازی انجام می‌شودشده است.

</math> تابع هزینه (objective) و <math>

</math> تابع قیدپاوَند (constraint) می‌باشند. درنگرید که این مساله خود، یک بهینه‌سازی مقیدپاوندیده می باشدمی‌باشد. همچنین <math>J^*(\theta)</math> مقدار بهینه مساله برحسب تابعی از <math>\theta</math> می‌باشدرا برگردانده و <math>

برای حل این مساله، گمان می‌شود که پاسخ بهینه برای مقداری از در دسترس است. سپس شرایط KKT ([[شرایط کاروش–کون–تاکر]]) برای این مساله برجسب پارامون <math>\theta</math> نوشته می‌شود. با روش '''پیداشت هوموتپی''' (Homotopy Continuation)، شرایط KKT را می‌توان به روشی گام‌به‌گام و به یاری دستگاهی از [[معادله دیفرانسیل]] حل کرد. فرجام از حل این معادلات به پاسخ بهینه دست‌ می‌یابیم.