不等式约束极大极小问题一个新的（ε,δ）-广义投影可行方向法

结合Armjio线搜索和（ε,δ）-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的（ε,δ）-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。     

求解混合约束极大极小问题的精确光滑罚函数法

提出一个新的精确光滑罚函数法求解混合约束极大极小问题,通过引入一个新变量,将带混合约束的极大极小问题转化为等价的无约束优化问题,证明在合理的假设条件下,罚问题的极小点就是原问题的极小点,数值实验表明新算法是求解带混合约束的极大极小问题的一种有效算法.     

一种自适应拟牛顿广义特征分解算法

通过构造一种新的无约束损失函数,广义特征分解问题可以转化为无约束优化问题.此损失函数具有良好的特性,即具有全局极小点、无局部极值点,从而保证了迭代算法的全局收敛性.利用近似Hessian矩阵,提出了一种新的自适应拟牛顿广义特征分解算法.然后,采用随机逼近理论,严格分析了算法的收敛性.仿真结果表明,算法具有快速收敛和动态跟踪能力.     

一个基于填充函数的全局优化算法及力学应用

为解决带有区间约束且在该区间内自变量连续的全局极小问题,引入了一个以填充函数思想为基础的新的全局优化算法.针对该算法,建立了其相应的数值迭代格式.数值试验和力学应用的结果均表明:该算法稳定性强,优化结果的可靠度高,具有好的全局搜索能力.     

一类Armijo搜索下新的共轭梯度法及其全局收敛性

为有效求解大规模无约束优化问题,提出了一类新的混合共轭梯度法.该方法在每步迭代中都不依赖于函数的凸性和搜索条件而自行产生充分下降方向.在适当的条件下,获证了在Armijo搜索下,即使求解非凸函数极小化的问题,算法也具有全局收敛性.同时,数值实验表明所提算法可以有效求解优化测试问题.     

核范数最小化问题的非精确Halpern型邻近点算法(英文)

本文针对求解核范数极小矩阵优化问题给出一种新的可执行的非精确Halpern型邻近点算法,并证明该算法生成的迭代点列强收敛于起始点在解集上的投影.     

一类求解极小极大问题的算法

无约束非线性极小极大问题是最优化数值计算领域中十分活跃的研究课题之一,因此,对于无约束非线性极小极大问题,如何设计快速有效的算法一直都是优化工作者十分关心的问题.文中介绍了无约束非线性极小极大问题算法的研究意义及应用领域,分析了现有极小极大问题算法的研究现状,针对极大值函数的特性,给出了极大值函数的次梯度与ε次梯度之间及极大值函数的次梯度的凸锥与次梯度之间的一种包含关系,得到了计算极大值函数的ε次梯度的数值方法,从而构造出了一种求解极小极大问题的ε-算法,并且证明了算法的收敛性,初步的数值例子表明算法是有效的,且具有大范围收敛的特点.     

离散半无限极大极小问题一个推广的模松弛SQP算法(英文)

将求解半无限规划离散化问题的一个可行模松弛SQP算法推广到离散的半无限极大极小问题,提出一个全局收敛的模松弛SQP算法.算法要求迭代点可行,且每次迭代只需求解一个二次规划(QP)子问题即可获得搜索方向.通过修正其离散指标集,使得每次迭代求解QP子问题时只需利用一小部分离散指标即可,这大大降低了计算成本.在合适的条件下,可证明算法具有全局收敛性.     

非光滑逐点最大凸函数的束方法

研究了用束方法求解非光滑逐点最大凸函数的极小化问题，文中给出了最优性条件，次梯度集合的构造方法及算法的迭代程序，提出了新的删除定理，可以减少迭代过程所储存的次梯度的信息量，同时证明了全局收敛定理，极小极大问题，非光滑凸函数。     

大规模过程系统优化的序列界约束方法

基于非线性约束极小化的序列无约束方法,对大规模过程系统稳态优化的序列界约束方法进行了研究.该约束方法的罚函数只包含对等式和/或不等式约束的惩罚项,不包含对界约束的惩罚项,通过迭代求解一系列界约束极小化子问题而非无约束极小化子问题获得原问题的解;算法按2层结构实现,内层结构中主要求解界约束极小化子问题得到下一个迭代点,外层迭代主要修改乘子向量和罚向量以及检查收敛准则是否满足,重构下次迭代的界约束子问题,或在收敛准则满足时终止算法.此外,给出了求解界约束极小化子问题的修改截断Newton法,并用一类规模可变的约束优化问题和一类最优控制问题对所给方法进行了数值试验,试验结果表明,所给序列界约束方法是非常稳定和有效的.     

二次规划的极大熵方法

利用对偶变换,将二次规划问题转化为无约束极大极小问题,然后运用极大熵方法,将极大极小问题的转化为求解一个无规划极值问题,从而能够同时求出问题及其对偶问题的近似解,数值试验结果表明该方法是有效的。     

一类连续minimax问题的区间极大熵算法

讨论了目标函数为C^1类函数的连续型minimax问题的区间极大熵算法。通过构造目标函数的极大熵函数及其区间扩张，利用区域二分原理和无解区域的删除原则，建立了求解连续型minimax问题的区间极大熵算法，证明了算法的收敛性，给出了数值算例。数值结果表明，其算法是可靠和有效的。     

基于UML的五子棋的分析与设计

以五子棋为例,用UML开发人机博弈程序。五子棋博弈算法采用了博弈树的方法,应用了剪枝和极大极小值原理进行搜索寻找最优的下子位置。用面向对象的思想并结合UML建模工具,对程序进行分析、设计。此外,程序可以通过增加机器学习,对棋局进行记忆、总结学习,可以进一步提高系统的智能。     

回归系数的极小极大估计

将文献[1]中提出的求不相容方程组的极小极大解的方法，应用于线性回归方程中的参数估计，提出了一个包括两个普通的最小二乘法的算法。在基于“最大残差最小”的意义下，得到的参数估计忧于员小二乘估计。     

极小极大拟合准则下的在线参数估计方法

提出一种采用极小极大拟合准则的实用的在线参数估计方法。为此采取了两条有效措施。第一，将在线辨识中最常用的遗忘因子引入极小极大拟合准则；第二，通过研究有关的极小极大优化问题的对偶问题设计在线递推算法。前者使推广后的极小极大拟合准则具有追踪时变参数的能力，后者则为构造实用的在线递推算法提供了可行的途径。大量仿真研究表明，提出的在线参数估计方法具有较好的性能。     

一类求解极值问题的ε-算法

针对极值函数的特性 ,给出了一种计算极大值函数的ε 次梯度的数值方法 ,从而构造出了一种求解极小极大问题的ε 算法 ,并且证明了算法的收敛性 ,初步的数值例子表明算法是有效的     

静态结构化不确定性极小极大控制在网络中的应用

研究了具有静态结构化不确定性时滞系统的极小极大鲁棒控制问题.针对乘时二次型性能指标,运用Lyapunov方法得到极小极大鲁棒控制器的存在条件,并引入凸优化算法求解控制器最优参数和性能指标的最小上界.最后,将该算法应用于带有时滞因素的TCP网络拥塞控制中,使路由器的队列长度能够更快地收敛于期望值,并且稳态时的振荡很小.通过与其他方法的比较,说明了该方法在实际应用中的有效性与优越性.     

一种求解极大极小问题的灵活非单调滤子方法

求解极大极小问题的灵活非单调滤子方法与传统的滤子方法相比,对于试探步的可接受性,该方法具有更大的灵活性,而且与单调型方法相比,计算量更小.此外,还利用一个自适应参数来调整接受准则,从而在一定程度上避免了Maratos效应.在合理的假设下,该算法具有全局收敛性,并且通过数值实验验证了该方法的有效性.     

具有不确定噪声的离散广义线性系统的鲁棒状态估计

本文研究了一类具有不确定噪声的离散广义线性系统的鲁棒状态估计问题，利用对策论的基本原理，给出了一种比较简单实用的近似估计方法．即最小化不确定下最坏性能的极小极大鲁棒状态估计．