求解无约束全局优化问题的一种方法

提出一种新的求解无约束全局优化问题的方法,该方法把修正的BFGS方法与填充函数方法相结合,使得目标函数f(x)的当前局部极小点x*1可以移到目标函数的另一个局部极小点-x,且f(x*1)≥f(-x),同时-x也是填充函数的极小值点;然后再以为初始点求f(x)的局部最优解.反复以上过程,最终可以找到f(x)的全局最优解.     

无约束全局优化问题的两种新的辅助函数法

填充函数法、打洞函数法和平稳点函数法是目前比较常用的求解全局优化问题的辅助函数法。本文提出两种新的辅助函数法,用于求解一般非线性规划问题的全局最优解,它不仅结合了填充函数法和打洞函数法及其平稳点函数法的特点,同时又避免了它们的一些缺点（每次求解填充函数、打洞函数和平稳点函数的局部极小点以后,还需要重新求解原问题的局部极小点）,而新的辅助函数的局部极小点就是原问题的局部极小点,不需要再求原问题的局部极小点。     

一种基于填充函数的神经网络全局优化算法

针对前向神经网络BP算法由于初始权值选择不当而陷入局部极小点这一缺陷,提出新的全局优化训练算法.首先,提出了一种新的填充函数,并证明该函数的填充性质,进而结合该新填充函数与BP算法,构造出基于填充函数的全局最优化神经网络算法.应用全局优化算法训练神经网络时,如果误差函数陷入局部极小值,该算法可以利用填充函数帮助误差函数不断地跳出局部最优,直到找到全局最优点.该新算法的最大优点是对于初始权值无依赖性,避免了BP算法易陷入局部极小值的缺点.理论分析和仿真试验结果证明了该全局优化神经网络算法的有效性和优越性.     

跨越函数法:一类全局优化的新策略

提出了一类求解全局优化问题的新策略:跨越函数法.与以填充函数法为代表的一类全局优化方法相比,跨越函数法直接凸显了在求解全局优化问题时构造辅助函数的目的,并能仅通过一次迭代跨越函数值比当前局部极小值高的区域,而直接找到原函数f(x)的位于函数值比当前局部极小值低的区域中的局部极小点,通过有限次迭代,找到全局最优解.     

一个求解全局优化问题的单参数填充函数

给出了一个新的求解全局优化问题的单参数填充函数并证明了其优良的填充性质.数值实验表明,该函数是有效的.     

无约束全局优化问题的两种新的辅助函数法

填充函数法、打洞函数法和平稳点函数法是目前比较常用的求解全局优化问题的辅助函数法。本文提出两种新的辅助函数法,用于求解一般非线性规划问题的全局最优解,它不仅结合了填充函数法和打洞函数法及其平稳点函数法的特点,同时又避免了它们的一些缺点(每次求解填充函数、打洞函数和平稳点函数的局部极小点以后,还需要重新求解原问题的局部极小点),而新的辅助函数的局部极小点就是原问题的局部极小点,不需要再求原问题的局部极小点。
     

一个新的单参数填充函数

考虑用单参数填充函数求解无约束全局优化问题.给出了一个新的单参数填充函数并证明了它的基本性质,通过理论分析给出了相应的算法;最后通过一些检验函数的数值运算结果验证了算法的可行性和有效性.     

全局优化问题的无参数填充函数法

通过对全局优化问题的填充函数算法的研究,克服了填充函数P（x,x^＊,γ,ρ）和P（x,x^＊）存在的缺陷,构造了2个连续的无参数填充函数W（x,x^＊）和W（x,x^＊）,并证明了它们满足填充函数的定义。数值试验的结果表明,新的填充函数算法对于求解全局优化问题是有效的。     

无约束全局优化的一个新凸填充函数

对连续的非线性全局最优化问题，给出了一个新的凸填充函数，该函数带有两个容易调节的参数，它克服了原有的凸填充函数在计算上的不足之处；在讨论了所给出的凸填充函数性质的基础上，提出了一种求解连续无约束全局极小化问题的一种新的凸填充函数算法。     

求解全局优化问题的填充函数法

全局优化问题在许多工程和实际生产中有着广泛的应用,对其方法的研究是当前优化理论方面的一个热点。本文主要研究涉及多峰函数的无约束全局优化问题的方法,以期对解决实际问题提供算法帮助。通过构造一个新的不含指数项的填充函数求解无约束优化问题的全局最优解,首先给出了该填充函数的定义,其次分析了这种填充函数的一些解析性质,设计了一种涉及这种填充函数的算法,最后给出了数值测试例子;与存在的算法的数值试验比较表明,该文提出的算法是有效的。