基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,讨论了基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。     

求解全局优化问题的一个新的填充函数算法

构造了一个新的单参数且连续可微的填充函数,并将其与进化算法相结合提出了一个新的填充函数算法。该算法通过不断跳出局部最优解进入更优解所在区域的方式来提高优化效率,通过设置进化算法中种群均匀分布、增加种群多样性的方式增加了算法的全局寻优性能,并将该算法在标准测试集上进行了测试。结果表明,该算法简单有效,并且随着优化问题维度的提高而表现稳定。     

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。     

总体优化一个填充函数算法的改进

对求解无约束总体优化问题的填充函数算法〔２〕作适当改进,使得新的填充函数算法无须对问题的局部极小解个数作假设,且填充函数中参数的选取不依赖于局部极小解谷域的半径．     

一种基于跳出局部最优机制的自适应响应面方法

【目的】针对昂贵黑箱函数优化问题提出一种能够更好平衡局部搜索和全局搜索的响应面方法。【方法】对径向基函数响应面约束优化算法进行了改进,首先增加了判断陷入局部最优的机制,然后引入填充函数方法辅助选择新采样点,进而利用新采样点跳出局部最优。【结果】在37个公开的全局优化算法测试问题上的数值实验表明,本文提出的基于填充函数跳出局部最优机制的自适应响应面算法能够收敛到更好的近似全局最优解。【结论】基于填充函数方法的局部最优解跳出机制能够提升算法的全局搜索能力。     

一个非线性全局优化的单参数填充函数

根据填充函数算法的思想和基本理论,文章给出了一个求解无约束优化问题的单参数填充函数,讨论该填充函数的性质并设计了相应的算法。该填充函数只含有1个参数,在实际计算中易于调节。实验结果表明该填充函数是可行的。     

求解约束优化问题的一类单参数填充函数

全局优化问题在科学计算、工程技术、经济管理等领域得到越来越广泛的应用,近些年来,人们相继提出一些求解无约束全局优化问题的算法,但对于求解约束优化问题的填充函数鲜有讨论。求解全局优化问题的填充函数法的关键之一在于构造一个叫作填充函数的辅助函数,文章在无强制性条件下给出了一类新的求解带一般约束优化问题的单参数填充函数,讨论了其良好的填充性质,并按其理论性质设计了一个算法,数值实验表明该函数是有效的。     

一个求解约束全局优化问题的单参数填充函数方法

构造了求解约束全局优化问题的一个新的填充函数,分析了该函数的分析性质,设计了一个基于该填充函数的全局优化算法.数值试验表明该算法是有效的.     

一个新的求无约束全局优化的填充函数

根据Zhang对填充函数的新的定义给出了一个新的求无约束全局优化问题的填充函数,并根据这个填充函数提出了相应的填充函数算法。数值试验表明此算法是有效可行的。     

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.     

用于全局优化的一种新辅助函数及其性质

从填充函数法的思想出发,基于启发式想法,提出了一种基于两阶段变换目标函数,进而用于全局优化的新辅助函数法,对新辅助函数的性质和其中的参数进行了理论分析.数值实验表明,与其他辅助函数优化方法相比,新方法放松了对参数的约束,收敛速度更快,解的精度更高.     

求全局最优化问题的一类填充函数

讨论求全局最优化问题的填充函数算法,构造了一类一般形式的填充函数,已有的若干填充函数都是它的特例．该类填充函数仅有一个参数,容易计算,相对传统填充函数,它在参数较小时就能保持其填充性质．     

用于全局优化的一类填充函数构造方法

填充函数法是1种求多变量,多极值函数全局最优的有效方法.不同的填充函数对问题的优化效果是不同的,而具体填充函数的构造需要一定的理论来指导.本文提出了1类单参数填充函数的构造方法, 并对它做了理论上的分析.据此构造方法,可以构造出许多有效的填充函数.文中具体构造了1个填充函数,数值结果表明其运算效果是好的.     

Meyer-K(o)nig and Zeller算子的4阶矩和6阶矩

对Meyer-K(o)nig and Zeller算子的4阶矩及6阶矩进行了研究,通过推导计算,给出了该算子4阶矩及6阶矩的估计结果.     

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。     

用于全局优化的一种有效的单参填充函数

填充函数法是一种求解多变量、多极值函数全局最优的有效方法，但该方法的优化效果与构造的填充函数关系密切．构造了一种形式简单的单参数填充函数，并对其进行理论分析和仿真实验．对6个基准函数的数值实验表明，构造的填充函数对参数依赖性小，全局收敛速度快．     

一个新的全局最优化问题的填充函数

提出了应用于非光滑无约束全局最优化问题的填充函数法.对填充函数进行了扩充和改进,提出了新的适应于非光滑情况下最优化问题求解的填充函数,并构造算法.数值分析表明,所提出的算法是可行的、有效的.