基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析

本文提出了一种基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析方法.该方法通过引入参数的不确定性和区间变量,得到一种概率-区间混合不确定模型,充分利用增广拉格朗日乘子法将有约束优化问题转化为无约束优化问题,基于此进行求解和结构可靠性分析.数值算例和工程实例验证了该算法在计算结构可靠性问题时对于线性和非线性的功能函数有良好的收敛性和较高的计算效率.     

采用增广乘子法和免疫算法的混合可靠性分析

针对传统可靠性优化设计方法在处理实际可靠性工程问题时求解精度不高或无法求解的问题,提出一种采用增广乘子法和免疫算法的混合可靠性分析方法.首先以极限状态方程为约束,以可靠性指标最小为目标函数,建立可靠性优化设计数学模型;然后利用增广乘子法将该有约束可靠性优化设计数学模型转变成无约束优化模型;最后运用免疫算法(IA)进行求解可靠性指标.通过数值算例和工程算例验证了本文方法的有效性,并在工程算例中讨论了相关性对可靠性指标的影响.     

等式约束情况下多项式函数的乘子法

在乘子法中广泛使用二次罚函数,但有时会遇到困难,如约束条件为有界集,但增广Ｌａｇｒａｎｇｅ函数在Ｒ＾ｎ上无下界,文中对等式约束条件下,目标函数与约束函数为多项式函数的情况作了具体分析,然后给出１种非二次罚函数及相应乘子法,且对于上述情形,该形式乘子法都有解。     

基于人群搜索算法和增广乘子法的混合可靠性分析

针对传统优化算法在处理具有一定非线性功能函数的结构可靠性分析问题时出现迭代次数较多或精确度不够的问题,提出了一种基于人群搜索算法和增广乘子法的混合可靠性分析方法.该算法以可靠指标最小为目标函数,以影响结构可靠指标的随机变量构成的极限状态方程为约束条件建立结构可靠性优化数学模型,并使用增广乘子法将有约束优化问题转换为无约...     

广义几何规划的一类全局收敛算法

以增广Lagrange函数为基础,采用比较先进的Armijo步长搜索策略,对等式约束下的广义几何规划问题提出了一种有效的拟牛顿乘子法,并且在适当条件下,可以避免罚因子趋于无穷,最后证明了该算法的全局收敛.     

基于BB步长的一类原始-对偶算法

增广拉格朗日乘子法(ALM)是求解带等式约束的二次凸优化问题的常用方法，但罚参数选取不当时，收敛速度比较慢.提出ALM-BB算法，利用Barzilai-Borwein(BB)算法的步长去改进原始的ALM,证明ALM-BB算法的收敛性.最后将这类方法运用于求解范数最优控制问题.数值算例表明改进的算法收敛速度更快.     

PCG法的理论解释及在结构分析中的应用

以雅可比共轭梯度法为例,根据盖尔定理,从理论上证明了预处理共轭梯度法在一定条件下会加速,并给出了加速条件.通过预处理技术导出大型稀疏矩阵广义特征值问题求解的一种新加速方法,可提高计算的效率和稳定性.算例结果表明,对于求解大型稀疏线性方程组问题,预处理共轭梯度法及本文特征值新加速方法较传统方法更有优势.     

基于蒙特卡罗法的边坡可靠性分析

本文分析了常规定值安全系数法在土坡稳定分析中的不足,提出基于风险概念的可靠性分析的必要性。总结了最常用的蒙特卡罗模拟法的基本步骤,并通过算例验证了该方法的优越性。     

基于拟Broyden法的非线性系统参数优化迭代学习控制

为解决动力非线性系统跟踪控制问题,将拟Broyden法和参数优化迭代学习控制方法结合,即利用拟Broyden算法对系统雅可比矩阵进行迭代近似计算,通过参数优化对学习因子进行优化,提出了一种新的具有单调收敛特性的迭代学习控制算法.该算法不仅能够简化传统牛顿法中对系统雅可比矩阵求逆计算所带来的复杂性,而且从理论上证明了其具有单调递减的特性和全局收敛性.仿真结果表明,该算法能够精确地跟踪给定输入目标,具有实施简便和单调超线速收敛的特点.     

一种基于非均匀惩罚因子的序列无约束最优化外点新算法

增广拉格朗日乘子方法（Augmented Lagrange multiplier method）是拉格朗日乘子方法（Lagrange multiplier method）的推广,它是一种序列无约束的最小化技术,包括内点法和外点法,内点法适用于仅有不等式约束的情形,其主要思想是对违背可行性的约束给予一个惩罚。传统的做法是：对所有约束以相同的罚因子,自适应调整Lagrange乘子。提出了一种非均匀惩罚的自适应更新罚因子的方法,即根据近似解对约束违反的严重程度施行不同惩罚的新方法。算例表明,本方法是有效的。