MétaCan
Menu
Retour à la cohorte
Enregistrement W4412767577 · doi:10.23952/jano.7.2025.2.03

Strong convergence of an inertial Tseng’s extragradient algorithm for pseudomonotone variational inequalities with applications to optimal control problems

2025· article· en· W4412767577 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Applied and Numerical Optimization · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptimization and Variational Analysis
Établissements canadiensnon disponible
Organismes subventionnairesCentre Scientifique et Technique du BâtimentFundamental Research Funds for the Central UniversitiesNatural Science Foundation of Chongqing
Mots-clésVariational inequalityInertial frame of referenceConvergence (economics)AlgorithmMathematicsApplied mathematicsComputer sciencePhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

We investigate an inertial viscosity-type Tseng's extragradient algorithm with a new step size for solving pseudomonotone variational inequality problems in real Hilbert spaces.A strong convergence theorem of the proposed algorithm is obtained without the prior information of the Lipschitz constant of the operator and also without any requirement of additional projections.Finally, several computational tests are carried out to demonstrate the reliability and benefits of the proposed algorithm and compare it with some existing ones.Moreover, our algorithm is also applied to address the variational inequality problem that appears in optimal control problems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,246
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied and Numerical OptimizationMême sujetOptimization and Variational AnalysisTravaux en français237 207