非线性约束优化问题的组合依赖域与线搜索算法

对非线性等式约束优化问题提出了一个组合信赖域与线搜索求解算法，与传统的依赖域方法比较，该算法的特点是当试探步不被依赖方法接受时，无需重新求解信赖域子问题，通过计算机实验，比较了纯信赖域算法与组合算法计算工作量。     

一般非线性规划的组合同伦牛顿法

把含等式和不等式约束的一般非线性规划问题转化为只含不等式约束的非线性规划问题,然后构造同伦方程来求解.在组合内点同伦算法中,每一次迭代,都用牛顿法计算变量的增量.在可行域满足法锥条件下,证明了该算法的全局线性收敛性.     

一个求解退化约束优化问题全局和超线性收敛的可行SQP算法(英文)

提出了一个求解退化约束优化问题的可行SQP算法.在该算法的每一次迭代,通过求解一个二次规划子问题得到可行下降方向,为克服Maratos效应,高阶修正方向通过求解另一个二次规划子问题得到.在合适的条件下,证明了该算法的全局收敛性和超线性收敛速度.最后给出了一些初步的数值结果.     

反应扩散方程混合有限元的两层网格方法

考虑反应扩散方程的混合有限元求解方法.对方程通过先在粗网格上求解非线性问题,再在细网格上求解相应的线性问题,获得了两个两层网格算法.     

广义条件梯度法求解非线性elastic-net正则化

研究非线性不适定算子方程的求解问题,并且构造了一种用来求解带有罚项约束的非线性elastic-net正则化的迭代算法.这种算法的目的主要是将广义条件梯度算法的方法推广到带有罚项约束的非线性的正则化问题中,进而去构造出一种用于解决elastic-net正则化问题的软阈值迭代算法,并且也给出了这种算法的收敛性的证明.该方法放宽了原来的广义条件梯度方法所需的紧集条件.     

一种基础矩阵的线性估计方法

对已知匹配点集的两幅未定标图像,对极几何(Epipolar Geometry)约束是可以从匹配点集中获得的关于相机的唯一信息. Armangue X将基础矩阵估计方法分为:线性法、迭代法和鲁棒法三类.常用的线性法包括8点算法和Hartley的改进8点法.Higgins给出的8点线性算法是一种快速且易于实现的线性算法,但它对噪声异常敏感,因此,很难在实际中应用.改进8点法通过在估计前对匹配数据进行规范化等处理,有效地降低了噪声的影响.迭代法虽然以上两种算法提高了精确度,但计算时间较长,且仍不能很好解决噪声和出格点的影响.实验证明,改进8点法与最好的迭代法不相上下.鲁棒法通常包括:M-Estimator法、最小中值法(LMeds)等,它们均把问题最终归结为无约束最优化问题,求解时一般都采用了非线性最小二乘法,其在精度和稳定性方面均有明显提高,但算法较于复杂.     

神经网络方法求解线性规划问题研究

线性规划的求解是约束最优化问题的重要研究内容，常采用迭代算法，计算量大，耗时昂贵。利用神经网络的本质并行性和高度非线性映射逼近能力，提出了一类求解线性规划问题的前馈神经网络方法，网络构建简单，求解精度高，计算量小，实验结果表明其高效性。     

界约束非线性优化问题的信赖域滤子法

提出一种信赖域滤子方法来求解界约束的非线性优化问题,该方法将滤子技巧和投影梯度方法相结合,简化了算法的形式,证明了算法的全局收敛性,并给出了数值试验.     

基于动态罚函数的PSO-CO算法

本文分析了协同优化算法中所存在的问题,采用动态罚函数的解决思路,对系统级中的一致性等式约束问题进行改造,使其成为一无约束问题.另外,提出不同学科分配不同的惩罚权重的方法,大大提高了计算精度.同时,以粒子群算法替代了原有的求解算法,消除了初始解对优化结果的影响,也改善了算法的整体求解速度.在Matlab软件中实现该算法的运行,同时通过两个典型算例对该算法进行验证,表明其具有较好的优化性能.     

求解全局非线性约束规划问题的积分水平集方法

针对约束最优化问题,给出了一个修改的积分水平集方法.它采用非光滑精确罚函数将约束优化问题等价转化为在n维闭子空间上的优化问题,并采用一致分布投点法来生成和估计水平集;在此基础上估计了水平集的积分的误差界,并进一步给出了修正积分水平集算法收敛性的证明.数值算例表明算法是有效的.     

混合约束非线性最优化问题的消元随机方向法

针对这样一类混合约束非线性最优化问题,即目标函数除了随设计变量变化外、还沿着时间坐标t(或某一角度坐标)变化、目标函数随时间(或角度)的变化曲线及其极值又因不同设计变量组而异、最优设计应使目标函数随时间(或角度)变化的最大值为最小的最优化问题,提出了一种称为消元随机方向搜索法的新算法,介绍了这一算法的基本思想,给出了该算法的迭代计算程序框图.     

界约束非线性优化问题的信赖域滤子法

提出一种信赖域滤子方法来求解界约束的非线性优化问题，该方法将滤子技巧和投影梯度方法相结合，简化了算法的形式，证明了算法的全局收敛性，并给出了数值试验     

一类非线性互补约束均衡问题的可行性条件

均衡约束优化问题在经济领域有着广泛的应用。研究了一类非线性互补约束均衡问题的可行性条件,其中约束条件不仅含有互补约束,而且还含有包括第一水平变量和第二水平变量的非线性约束,给出了两个新的假设,进而推广了线性互补约束优化问题的可行性条件。在一定条件下,分别证明了非线性互补约束的均衡问题是可行的和一类均衡问题中的SQP算法子问题的可行域非空。     

基于粒子群算法的直觉模糊多目标规划

提出了一种基于粒子群算法的直觉模糊多目标规划.首先利用直觉模糊集与区间模糊集同构的性质分别对目标函数和约束函数的直觉模糊集进行转化,然后利用线性加权的方法处理目标函数和约束函数的优越集,得到一个含有参数的求解模型,并用粒子群算法求解,最后,通过一个算例表明该文的算法的可行性和优越性.     

再制造最优生产计划模型的CVaR凸逼近及SAA算法

研究企业再制造综合生产计划问题,构建了一个更符合实际的带联合概率约束的最优化模型.针对此非凸优化问题求解上的困难,采用CVaR逼近将模型等价转化为凸优化模型,然后运用样本平均近似方法进行求解,证明了算法的收敛性,数值结果表明了模型和算法的有效性.     

基于观测器的鲁棒非脆弱控制

针对某一类含结构参数不确定性的线性系统,设计基于观测器的鲁棒脆弱控制器,把控制器的设计问题归结为线性矩阵不等式的求解问题.同时考虑系统模型和控制器中的不确定性,则存在一个输出矩阵与控制增益矩阵的耦合,使该问题成为非凸问题.对磁悬浮系统的扰动矩阵做了某种假设,并引入等式约束,使线性矩阵不等式.带有等式约束的线性矩阵不等式问题是MATLAB无法解决的,利用自由软件SCILAB可以很方便的解决这个问题.对单自由度磁悬浮系统的仿真结果证明所提设计方法的有效性.     

一种基于信赖域约束的优化问题的求解方法

讨论一类仅含有线性约束条件的优化问题,在每次迭代过程中,用二次近似模型近似目标函数,从而构造一个子问题,以便于确定迭代方向.在每个子问题求解时引入一组共轭方向,子问题可以转化为一个线性规划问题和一个一维约束优化问题.为了保证算法的总体收敛性,应用信赖域算法代替一维搜索,确定下一个迭代点.证明了算法产生的点列如有聚点,则必有一个聚点是原问题的K-T点.     

基于观测器的广义时滞系统鲁棒H∞控制器设计

研究基于观测器的广义时滞系统鲁棒H∞控制器的设计问题.不确定性假设是时变非线性的但范数有界.首先,用带有广义约束的广义代数Riccati不等式(GARI),给出所设计的控制器使得闭环广义时滞系统容许且传递函数H∞范数有界的充分条件;其次,通过广义时滞系统的受限等价变换,去掉广义约束,转化为线性矩阵不等式的可解性问题,并通过线性矩阵不等式的解,给出了系统基于观测器的鲁棒H∞控制律的参数化表示.     

求解凸二次规划的主对偶积极集法

介绍了求解带有不等式约束凸二次规划的一种主对偶积极集法.通过凸二次规划KKT条件中的一阶最优性条件和补条件计算出主对偶对(x,s)的值,若(x,s)不可行则确定新的积极集,算法继续迭代;算法经有限步迭代后,一定能得到最优解,使算法停止.     

线性规划的原有松弛-对偶单纯形算法

针对线性规划的单纯形算法中出现不可行基的情形,提出了一种原有松弛-对偶单纯形算法.忽略不可行基变量相应的约束构造一个原有可行的松弛子问题,根据最钝角原理作了进一步松弛,用原有单纯形法求解该子问题,然后用对偶单纯形法求解原问题.通过大规模数值试验对这种算法进行计算检验.结果表明,与经典单纯形算法相比,提出的算法简便且具有更高的计算效率.