一种基于次元分析技术的鲁棒波束形成算法

针对实际应用中先验知识存在偏差的问题,基于权向量长度恒定的常规线性约束波束形成算法,提出一种权向量长度恒定的最差情况性能优化波束形成算法.分析了神经次元分析(MCA)学习规则与该波束形成优化问题在数学描述上的相似性,利用神经MCA学习规则实现鲁棒自适应波束形成.仿真结果表明,与基于线性约束的波束形成算法相比,该算法具有更强的信号跟踪能力和干扰抑制能力,并且对信号方向向量的偏差具有更强的鲁棒性.     

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究,提出了一种新的信赖域算法.该算法在内点法的基础上,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,得到一个简单易解的子问题.在一定的条件下证明了该算法具有强收敛性,并给出了数值结果.     

线性等式约束非线性最优化问题的一个新算法

有文献给出了一般等式约束非线性最优化问题的一种求解途径。在此基础上将线性等式约束非线性最优化问题转化为非线性最小二乘问题求解,提出了求解最优化问题的一种新思路。然后利用Gauss-Newton法求解非线性最小二乘问题,在求解过程中引入非精确的一维搜索,提高了计算的效率,加快了算法收敛的速度,从而找到了具有线性等式约束非线性最优化问题的一个新算法,算法具有很好的收敛性,收敛速度是二阶的。最后经过数值实验证明新算法与Matlab优化工具箱计算的结果一致,是可行的、有效的。     

线性约束优化问题的共轭梯度型算法及其收敛性

将共轭梯度法与广义投影技术相结合，给出了一个求解带线性等式、不等式约束优化问题的共轭梯度型算法，证明了算法的性质及全局敛性，首次将共轭梯度法推广应用于求解带约束条件的优化问题。     

解线性约束优化问题的自适应-BFGS信赖域算法

针对线性约束优化问题,在每次迭代时充分利用当前迭代点及其一阶导数的信息自动生成一个信赖域半径,结合BFGS算法的优点,构造了线性约束优化问题的一种具有全局收敛性的自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性的证明.     

基于约束骨干粒子群算法的化工过程动态多目标优化

大多数化工过程是动态过程,需同时优化多个目标,从而带来复杂的约束多目标动态优化问题。因此提出了一种动态约束多目标骨干粒子群算法,即采用一种新型约束处理方法,结合Pareto支配和ε约束支配技术的双档集机制;针对约束优化问题寻优难度更大,更易陷入局部最优的特点,采用局部搜索和混合变异策略,并自适应调整搜索步长,提高算法的探索和开发能力;采用分段线性函数参数化方法,构建一种动态约束多目标粒优化算法,并将其用于解决间歇反应器的动态多目标优化问题。测试实验表明:与NSGA-II和自适应差分进化算法(SADE-εCD)比较,该算法具有更优秀的收敛性与分布性;应用到化工过程多目标动态优化问题实例进行比较表明,多目标骨干粒子群算法在约束多目标动态优化问题的求解中表现出更好的应用前景。     

线性等式约束非线性最优化问题的一个新算法

有文献给出了一般等式约束非线性最优化问题的一种求解途径。在此基础上将线性等式约束非线性最优化问题转化为非线性最小二乘问题求解，提出了求解最优化问题的一种新思路。然后利用Gauss-Newton法求解非线性最小二乘问题，在求解过程中引入非精确的一维搜索，提高了计算的效率，加快了算法收敛的速度，从而找到了具有线性等式约束非线性最优化问题的一个新算法，算法具有很好的收敛性，收敛速度是二阶的。最后经过数值实验证明新算法与Matlab优化工具箱计算的结果一致，是可行的、有效的。
     

GENOCOP算法的初始种群的确定

针对遗传算法求解具有凸可行域优化问题使用随机法产生初始种群容易造成早熟收敛,提出用凸可行域的部分顶点作初始种群,将新方法应用于具有线性约束的数值优化问题,计算示例结果表明该方法是一种可行而且有效的优化算法.     

线性约束优化问题一种简约梯度算法

对线性约束优化问题给出一种简约梯度算法，并证明其收敛性．     

线性等式约束优化问题的一个信赖域方法

将ＡＢＳ算法用于求解线性等式约束的优化问题。给出一个信赖域算法；该算法中用隐式ＬＵ分解算法修正Ｈｅｓｓｅ矩阵，用对称的ＡｂＳ算法求解子问题。证明了由算法生成的序列的任意聚点满足线性等式约束优化问题最优解的必要条件。     

互补问题的一种新Lagrange乘子法

利用文献中给出的NCP函数，将互补问题转化为非光滑方程组的求解问题，构造了解该方程组的新的Lagrange乘子法，在函数为一致P函数的条件下，证明了算法的全局收敛性、局部超线性收敛性和二次收敛性，以及对线性互补问题的有限步终止性，数值实验表明，算法是有效的。     

基于信噪杂比最大能量分配认知雷达波形设计

针对认知雷达信号处理中基于信噪杂比（SINR：Signal to Interference plus Noise Ratio）最优波形设计中因对拉格朗日乘子进行搜索而导致计算量大的问题, 提出一种基于信噪杂比最大能量分配方法。该方法通过离散化的能量进行合理分配, 获取回波的最大SINR, 从而得到认知雷达的最优发射波形。仿真实验表明, 基于信噪杂比最大能量分配方法与拉格朗日乘子算法获取的认知雷达最优波形相近, 但该方法因不需对乘子进行搜索而减少了计算量, 提高了计算速度。     

Lagrange乘数法的几何直观推导

从几何上，直观地介绍求解一类条件极值问题的Lagrange乘数法，显得很形象、易于理解。另外，用Lagrange乘数法求出的解不一定是条件极值问题的极小值解。利用二阶导数给出了用Lagrange乘数法求出的解是条件极值问题的极小值解的一个充分条件。用该条件判别，比用已有的方法判别简单易行。     

一种新的拉格朗日乘子方法

对于约束非线性优化问题,提出了一种带3-分片非线性互补问题函数的增广Lagrangian函数,将约束优化问题转化成无约束优化问题来求解。新的增广Lagrangian函数的无约束极小点对应于原约束问题的解及乘子,同时提出相应的Lagrangian乘子方法,该方法可执行并具有收敛性。     

广义特征值盲波束形成的低复杂度自适应算法

提出了一种线性低复杂度盲自适应Lagrange乘子波束形成算法．基于最大信干燥比准则(MSINR)的特征值波束形成将导致广义特征值(GE)问题,新算法通过把GE问题表示成期望信号和干扰噪声信号协方差矩阵特征值的函数,用线性迭代的方法搜索最大GE,并利用最陡下降法更新权向量;提出方法被用于W—CDMA智能天线基站上行信号接收．数值仿真结果表明,与其他算法相比,在未牺牲系统BER性能的同时,提出算法具有更快的收敛速度和更低的计算复杂度;算法总的计算复杂度约为O(7N)(N为天线元数目)．     

一种分布式问题求解的数学模型

基于离散的Lagrange方法,建立了一个基于多agent系统的求解分布式约束满足问题(CSP)的数学模型,当各agent的局部行为聚合成一个给定目标函数的下降操作时,只要该CSP是可解的,就可以通过这个多agent系统寻找出问题的一个解．使用这个模型对分布式逃逸算法进行了分析,有助于进一步了解各agent的局部行为的聚合涌现,提高求解的性能。     

Nonlinear programming modeling and solution of radar target polarization enhancement

The problem of radar target polarization enhancement is studied. A nonlinear programming model is constructed. Through the analysis via Lagrange multiplier method, this nonlinear optimization problem is equivalently transformed into a zero-search problem of a monotone function and a series of constrained linear optimization problems. Also the derivative properties of the monotone function are discussed.     

视频编码中Lagrange乘子自适应调整算法

为改进视频编码算法的率失真性能,提出了一种应用于视频编码率失真优化算法中的Lagrange乘子自适应调整算法。该算法以信源数据的统计分布为理论基础,将视频编码序列的变换系数方差引入到Lagrange乘子的计算过程中来,使得Lagrange乘子的取值可以根据图像内容变化特性进行自适应的调整。实验结果证明,与传统的Lagrange乘子的取值算法相比,该算法可以取得更好的率失真性能,尤其应用在低码率的视频序列中效果更为明显,同等码率下可以将峰值信噪比提高0.1～0.2 dB。     

大系统优化的动态规划递阶算法改进

引入1个拉格朗日乘子，将动态规划的最优性原则与大系统控制论中的分解协调的递阶算法结合起来，并考虑各子系统间的顺序直接作用，提出1种以二次型为性能指标的离散线性系统优化算法，并导出各子系统的递推公式。     

关于拉氏乘子法的细节及其作为变分原理的约束判据的可能性

本文就待定的拉氏乘子法和已识别的拉氏乘子法的区别进行了讨论,对现存的两种经验的拉氏乘子的识别方法进行了归纳,提出了识别的唯一性问题和识别的唯一性前提,最后对拉氏乘子法作为弹性力学变分原理是否存在约束条件的判据的可能性进行了讨论。