解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

一个超记忆梯度广义投影算法

利用广义投影技术 ,将无约束超记忆梯度法推广到非线性不等式约束优化问题 ,从而建立了一个超记忆梯度广义投影算法 ,并在较弱条件下给出了其收敛性证明 ,数值算例表明该算法是有效的     

非线性约束优化问题的广义投影变尺度方向算法

对非线性约束优化问题已有许多梯度投影的有效算法，由于搜索方向是由投影梯度得到的，因而收敛速度慢。利用投影技术和变尺度矩阵相结合的方法，成功地建立了求解非线性约束优化问题的广义投影变尺度方向算法，并给出了算法的收敛性定理。     

非线性约束优化问题的广义投影变尺度方向算法

对非线性约束优化问题已有许多梯度投影的有效算法，由于搜索方向是由投影梯度得到的。因而收敛速度慢，利用投影技术和变尺度矩阵相结合的方法，成功地建立了求解非线性约束优化问题的广义投影变尺度方向算法，并给出了算法的收敛性定理。     

解带线性或非线性约束最优化问题的结合共轭梯度参数的记忆梯度Rosen投影算法

对于求解无约束规划的记忆梯度算法中的参数。作者利用Rosen投影矩阵给出了一个条件以确定其取值范围。使其在取值范围内取值均能得到目标函数的记忆梯度Rosen投影下降方向。从而建立了求解带线性或非线性约束最优化问题的记忆梯度Rosen投影算法．然后在较弱条件下证明了算法的收敛性。同时给出了具有好的收敛性质和较快收敛速度的结合FR,PR,HS共轭梯度参数的记忆梯度Rosen投影算法,从而将经典的共轭梯度法推广用于求解约束规划问题．由于算法需要较小的存储,算法适合于大规模问题的计算．数值例子表明算法是有效的．     

求解凸集约束优化问题的共轭梯度的GLP投影算法

利用GLP投影技术，对凸约束的非线性规划问题构造了一个共轭梯度的GLP投影算法，在一维精确步长搜索下，给出了算法较强的全局收敛性结果，由于算法需要较小的存储量，特别适合于计算大规模的约束优化问题。该算法提高了梯度投影法的收敛速度。     

求解非线性优化问题的记忆梯度摄动投影算法

利用摄动投影矩阵建立求解非线性约束优化问题的记忆梯度摄动投影下降算法,并证明算法的收敛性,同时给出结合FR、PR、HS参数和拟牛顿方程的记忆梯度摄动投影算法,从而将经典的共轭梯度法推广用于求解约束优化问题。数值结果表明算法是有效的。     

非线性最优化的投影型算法

以作者的研究成果为主，以利用梯度投影的各种技巧为主线，对非线性最优化的有关带转轴运算的、广义投影的、线性系统的、超线性收敛的以及统一算法模型的各种算法进行系统、简要的综述，最后提出若干展望。     

非线性约束条件下的共轭投影梯度法

针对非线性等式和不等式约束优化问题，结合罚函数法，提出了一个共轭投影梯度法，在适当的假设条件下，证明了该方法的全局收敛性，由于使用了目标函数的二阶导数信息，该算法的超线性收敛速度也能得到保证，数值结果表明，该算法是有效的。     

一类超线性收敛的投影非拟牛顿算法

本文将梯度投影与非拟牛顿法相结合，给出了一类求解线性约束非线性规划问题的新算法。在一定的条件下，证明了该算法的全局收敛性和超线性收敛性。     

非线性约束条件的污染数据的L2-估计

讨论非线性回归模型yi=f(xi,β)+ei,i=1,2,...,n,其中Eei=0,Eei2=α21,假设yi受到另一独立同分布随机变量序列ui的污染,仅能观察到污染数据y*i=(1-v)yi+vui,0≤v《1,v为未知参数.估计问题带有等式和不等式约束,约束是非线性的.首先利用矩估计方法给出污染参数的估计,最后利用最优化方法讨论了其非线性约束的L2-估计渐近问题,并给出估计量是概率有界的等相关结果.     

线性约束非线性规划的神经网络方法

研究了线性约束的非线性凸规划问题,基于最优性的充要条件,提出了求解它的一个神经网络,该西式能同时求解原问题与对偶问题;利用LaSalle不变原理,证明了该网络是Lyapunov稳定的,并且当目标函数严格单调时,它必不范围渐近收敛于原问题的精确最优解,模拟实验表明,该模型是可行和有效的。     

一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法（GOM）来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解．     

一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法(GOM)来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解.     

凸约束非线性方程组的非单调信赖域算法

提出了一种凸约束非线性方程组的非单调信赖域算法，在合理的条件下所提供的算法具有全局收敛性并保持局部收敛速率．     

一类快速非线性预测控制的分析与改进

针对仿射非线性系统,分析了一类快速预测控制算法稳态误差的来源,给出了误差的解析表达式.通过反馈校正消除稳态误差,提高了算法对模型失配的鲁棒性.对水箱液位控制系统的仿真和实验研究,结果验证了分析和改进的有效性.     

仿射内点最优路径法解线性不等式约束的优化问题

提供了仿射内点回代技术的最优路径法解线性不等式约束的非线性优化问题，通过构造的最优路径得到搜索迭代方向，结合非单调内点回代线搜索技术获得可接受的步长因子，从而产生保证目标函数值非单调下降的严格内点可行迭代序列．基于最优路径的良好性质，证明了在合理的假设条件下，算法不仅具有整体收敛性而且保持超线性收敛速率．引入非单调技术能克服高度非线性的病态问题，加速收敛性进程，数值计算结果表明了算法的有效性．     

一类线性约束非线性规划的初始神经网络

目的 建立求解一类线性约束非线性凸规划的简单可行的神经网络。方法 射影方法和Lyapunov直接方法。结果 基于问题自身的结构特点和射影方法，提出了求解一类线性约束非线性凸规划的两个神经网络模型。定义了Lyapunov函数，严格证明了它们是渐近稳定的。此外，在一定的条件下证明了其指数稳定性。新模型的规模均与原问题相同，不含任何参数，并且其稳定性不需要Lipschitz条件，模拟实验表明新模型不仅可行，而且有效。结论 建立了求解一类线性约束非线性凸规划的两个简单可行的初始神经网络，并在适当的条件下分别证明了其渐近稳定性和指数稳定性。