Zusammenfassung
Da der Gradient einer differenzierbaren Funktion f :Kn → K die lokal beste Approximation der Funktion durch eine lineare Abbildung ist, gibt er die Richtung des steilsten Anstiegs an.
This is a preview of subscription content, log in via an institution to check access.
Literaturverzeichnis
Roos, C., Terlaky, T., & Vial, J.-Ph. (2005). Interior point methods for linear optimization. Heidelberg: Springer Science.
Terlaky, T. (2001). An easy way to teach interior-point methods. European Journal of Operational Research, 130(1), 1–19.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2017 Springer-Verlag GmbH Deutschland
About this chapter
Cite this chapter
Hochstättler, W. (2017). Innere-Punkt-Methoden. In: Lineare Optimierung. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-54425-9_8
Download citation
DOI: https://doi.org/10.1007/978-3-662-54425-9_8
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-54424-2
Online ISBN: 978-3-662-54425-9
eBook Packages: Life Science and Basic Disciplines (German Language)