- Detalles
- Categoría: NAG
- Visto: 3639
Como novedad en la última Mark de la librería NAG existe un método de conjunto activo de primer orden (First-order Active-set o FOAS). FOAS está basado en un gradiente conjugado no lineal para optimización no lineal con restricciones de límite, de gran escala. El resolvedor es ideal para problemas muy grandes (decenas de miles o más variables) donde las derivadas de primer orden están disponibles o son relativamente poco costosas de estimar.
Un objetivo de diseño clave para el nuevo resolvedor FOAS fue proporcionar un reemplazo atractivo y moderno para la rutina uncon_conjgrd_comp (e04dg) existente en la librería NAG. Mientras que el resolvedor e04dg estaba destinado para programación no lineal (NLP) sin restricciones, el nuevo resolvedor handle_solve_bounds_foas (e04kf) no solo se ha ampliado para resolver NLP con restricciones de límite…
- Detalles
- Categoría: NAG
- Visto: 3074
El 13 de mayo de 1970, hace 50 años, un pequeño equipo se reunió alrededor de una mesa de conferencias en la Universidad de Nottingham para formar lo que se convertiría en el Grupo de Algoritmos Numéricos.
Tres líderes de NAG: Brian Ford (Director Fundador, 1970-2004), Rob Meyer (CEO, 2004-19) y Adrian Tate (actual CEO de NAG) han escrito un mensaje para toda la comunidad NAG.
El pequeño equipo en Nottingham no tenía idea de cuánto tiempo y hasta dónde se extenderían sus esfuerzos. La intención desde el principio fue la colaboración mutua en el desarrollo de una biblioteca de algoritmos numéricos, compuesta por las mejores rutinas en todas las áreas numéricas solucionables, respaldada por software de prueba y excelente documentación del usuario. Joan Walsh de Manchester era experta en ecuaciones diferenciales ordinarias, Linda Hayes de…
- Detalles
- Categoría: NAG
- Visto: 4148
NAG introdujo las funciones de Mathieu en la Librería NAG en su actualización reciente (Mark 27). Las funciones de Mathieu tienen un rango de aplicaciones en la solución de problemas que involucran estructuras elípticas, incluida la propagación dentro de guías de onda elípticas, la física de los micrófonos de condensador y la dispersión de cilindros elípticos dieléctricos.
Calcular con precisión las funciones de Mathieu puede ser difícil y hay muchos documentos sobre el tema. Aquí hay una demostración, tomada de una pregunta de StackOverflow, que muestra cómo la implementación de SciPy de Python ocasionalmente tiene problemas. La implementación NAG calcula los resultados correctos como se muestra en la gráfica superior.
Obtenga más información sobre este trabajo en GitHub, y haga clic aquí para la documentación de la rutina de la función…
- Detalles
- Categoría: NAG
- Visto: 3731
En el campo de la computación científica, hay un gran enfoque en resolver ecuaciones diferenciales parciales (PDE) dependientes del tiempo de la manera más eficiente posible. El refinamiento de malla adaptativo (AMR) se puede utilizar para construir una malla dispersa en cada paso de tiempo que mantenga una aproximación precisa a la solución. Las wavelets interpoladoras se usan a menudo en AMR.
En este artículo se presenta una comparación detallada de dos wavelets para AMR: la wavelet de interpolación de Donoho y una versión elevada (también llamada wavelets de segunda generación) de la wavelet de interpolación de Donoho. Las wavelets se comparan en problemas de PDE de finanzas computacionales y dinámica de fluidos computacional. También examinamos diferentes formas de manejar los límites y el impacto de los mismos. La wavelet de…