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。     

约束极大极小问题的光滑化方法

基于Karush-Kuhn-Tucker最优性条件和Fischer-Burmeister非线性互补函数，建立了约束极大极小问题等价的非光滑无约束优化问题和等价的非光滑方程组．然后，利用光滑化方法求解这两个问题．     

约束非线性最小二乘的极大熵方法

研究一种将变尺度方法与极大熵方法相结合的新方法，并将其用于约束非线性最小二乘问题，这是一种对有约束和无约束非线性最小二乘问题的统一算法，实现了对Ｈｅｓｓｅ矩阵的整体逼近．新方法具有显式搜索方向，因而在迭代中不需要求解二次规划子问题．数值结果表明该方法是有效的     

等式约束下的共轭梯度算法

为了寻找求解大规模无约束非线性优化问题的一种有效方法,提出了一种等式约束下新的共轭梯度算法,该算法利用广义消去法将约束优化问题转化为无约束优化问题.并证明了该算法具有全局收敛性,同时还证明了该算法在强wolfe线搜索下具有充分下降性.     

BFGS和DFP法的最优化问题求解及在MATLAB中的实现

对拟Newton方法中的DFP算法和BFGS算法进行了探讨,借助matlab软件中fminsearch和fminunc函数,利用BFGS方法和DFP方法对非线性无约束优化问题进行了仿真研究,结果表明利用matlab软件解答非线性无约束优化问题获得了好的效果,为数学工作者求解非线性无约束优化问题提供了一种新的方法．     

基于遗传算法的约束优化方法评述

用遗传算法求解无约束优化问题已经取得了成功 ,但如何处理有约束优化问题是其面临的问题之一 .目前处理这一问题没有一致适用的方法 ,最常用的处理约束方法是惩罚函数法 ,也有一些其它方法 .本文对近几年出现的几种方法进行了介绍 ,并评述了它们的优缺点 .     

一类二层多目标规划的混沌遗传优化算法及其应用

针对求解一类二层多目标规划问题,首先将其转化为等价的单目标规划问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明,算法是有效可行的.     

二层多目标决策问题的等价变换及其全局优化

针对求解一类二层多目标决策问题,首先将其转化为等价的单目标决策问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确不可微罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明是可行、有效算法.     

非线性规划中精确罚函数存在性的几点注记

一、引言以归并约束函数到无约束问题的目标函数中去的方式,把约束问题化为无约束问题的罚函数方法,一直被广泛地应用于求解非线性规划问题。而经典的序列罚函数法,由一系列无约束极小化所组成(记作SUMT),被公认是1970年以前解带非线性约束最优化问题最成功的方法。但近年来已发现SUMT的收敛速度是慢的,其数值计算也不稳定。在1982年第     

数学建模中优化模型的求解方法

介绍了运用MATLAB的优化工具箱来求解无约束最优化问题、线性规划优化问题、有约束非线性最优化问题及二次型规划问题的具体命令及其使用格式;还介绍了对比较复杂的优化模型,可以运用的最优化算法:神经网络算法、遗传算法、模拟退火算法、支持向量机和粒子群算法,该文给出了各个算法的运用思路或者具体步骤,方便读者参考引用。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

Improved Dual Algorithm for Constrained Optimization Problems

One class of effective methods for the optimization problem with inequality constraints are to transform the problem to a unconstrained optimization problem by constructing a smooth potential function. In this paper, we modifies a dual algorithm for constrained optimization problems and establishes a corresponding improved dual algorithm; It is proved that the improved dual algorithm has the local Q-superlinear convergence; Finally, we performed numerical experimentation using the improved dual algorithm for many constrained optimization problems, the numerical results are reported to show that it is valid in practical computation.     

新型的融合优化算法及其在电力系统中的应用

提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.     

基于图像分割的伪并行免疫遗传算法聚类设计

遗传算法是一种自适应全局优化概率搜索算法。但它却由于进化过程的过早收敛而导致无法保证收敛到全局最优解。因此运用伪并行思想与免疫遗传算法相结合来弥补遗传算法的缺陷。1问题描述许多学科要根据所测得的相似性数据进行分类,把探测数据归入到各个聚合类中,从而对各聚合类     

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.     

基于改进遗传算法的RTM注射速率优化

针对目前遗传算法初始种群大多数为随机产生,注射速率优化过程容易早熟或不收敛问题,提出了基于注射速率规则的改进遗传算法。在大量注射速率历史数据基础上,建立了注射速率影响因素决策表,提出了规则相似度计算模型。由基于规则的种群生成算子生成初始种群,以填充质量最优为目标,并构造适应度函数,然后进行遗传操作,最后采用面向对象编程语言实现该算法。实例表明该算法比标准遗传算法收敛更快,而且在用该算法优化得到的注射速率下的充填质量比在用标准遗传算法优化得到的注射速率下的充填质量更好,说明采用改进遗传算法优化注射速率更为合理和可靠。     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.     

基于遗传算法优化多出口疏散路径问题

提出了一种基于遗传算法来优化疏散路径问题的方法．首先将疏散路径图转换为等价的距离完全图,将目标点、源点和中间点分离,随机选取中间点构造最小生成树,最终用遗传算法得到最优路径．通过数值实验,验证了算法的有效性,并与传统方法进行了比较．     

Application of stochastic method to optimum design of energy-efficient induction motors with a target of LCC

For an energy-efficient induction machine, the life-cycle cost (LCC) usually is the most important index to the consumer. With this target, the optimization design of a motor is a complex nonlinear problem with constraints. To solve the problem, the authors introduce a united random algorithm. At first, the problem is divided into two parts, the optimal rotor slots and the optimization of other dimensions. Before optimizing the rotor slots with genetic algorithm ( GA), the second part is solved with TABU algorithm to simplify the problem. The numerical results showed that this method is better than the method using a traditional algorithm.     

一种新的群搜索优化实现算法

针对群搜索优化（GSO）算法存在的不足,提出一种新的GSO实现算法（NRGSO）.采用5个300维和7个30维的测试函数对NRGSO算法进行数值实验,并将其与GSO算法、微粒群优化（PSO）算法、遗传算法（GA）、进化规划（EP）、进化策略（ES）进行比较.结果表明,NRGSO算法的性能优于GSO算法;而在解决高维和多模态函数的优化问题方面,其性能优于PSO、GA、EP和ES等算法.NRGSO算法改进了群搜索优化原实现方法的不足,提高了算法的搜索性能,不仅在高维函数的优化中表现卓越,还能有效地避免陷入局部次优,并且在实际的优化问题中应用方便.