非线性约束的极大极小问题的算法研究

利用函数逼近论的思想和数学规划最优解的稳定性理论，提出了一种求解非线性约束的极大极小问题的新算法。该算法实现简单，数值效果好，精度高。     

广义半无限极大极小规划的一个新的最优性条件

由于广义半无限极大极小问题的极大函数的约束集合随x的变化而变化,增加了对该问题的理论分析和求解难度.为了克服这种情况,许多研究者考虑通过转化消除约束集合中的约束f(x,y)≤0.本文是通过一类由1范数定义的精确罚,将广义的半无限极大极小规划中的约束条件消除,使该问题转化为半无限极小极大极小规划.在不需要假设集合的条件下证明,当罚参数充分大时,半无限极小极大极小规划与广义半无限极大极小问题具有相同的最优值,相同的局部最优解以及相同的全局最优解.利用这种等价性,进一步给出了广义半无限极大极小问题的一个最优性条件.最后,对本文中建立的最优性条件与其它文献中的最优性条件之间的关系进行了讨论.     

一种新的低阶罚函数的光滑化方法

对于约束优化问题,给出了一种用二次连续可微函数光滑低阶罚函数的方法;在一些弱的假设条件下,证明了光滑后的罚优化问题的最优解是原优化问题的ε-近似最优解.     

一类带等式约束的整数极小极大问题的讨论

本文对一类带等式约束的整数极小极大问题的最优解进行了讨论,给出了一般情况下最优解的判定条件,以及在一定条件下最优解的计算方法。     

带约束PSO算法的最优多带协作式频谱感知

针对无约束粒子群优化(PSO)算法在进行多带协作频谱感知时存在难以控制系统总干扰的问题，设计了一种带约束PSO算法的最优多带协作式频谱感知方法.该方法通过引入惩罚函数，将带约束条件下的优化问题转化为无约束优化问题.仿真实验结果表明，相对于无约束PSO算法，带约束PSO算法能够解决带约束的多带协作式频谱感知问题，所得最优解满足约束条件，避免造成总干扰过大.     

解极小极大问题的熵函数法

提出了一类解极小极大问题的熵函数法,这种方法也可用来解线性或约束优化问题,在一定条件下,给出了解收敛性和误差估计,最后给出了几个数值例子,表明本文提出方法的有效性。     

用非线性规划求解机械设计中函数的极大值极小化问题

机械设计中函数的极大值极小化问题,过去一般都是用契贝谢夫最佳逼近定理求解,但当设计变量少时,相应所取的极限偏差点不能多,因而逼近精度不高,且计算复杂.本文用非线性规划求解这类问题.理论分析和实际计算表明,只要引进带参数的约束条件及一个特殊变量,就可将这类问题转化为带不等式参数约束的非线性规划问题.文中还用这种新方法来确定机构的平衡重,并用SUMT外点法求出了最优解.     

具年龄结构的种群动力系统的最优分布控制计算的惩罚移位法

应用惩罚移位法研究种群动力系统(P)最优分布控制的计算,考虑到无约束的极小化问题的近似解法,用p和u作为两个相互独立变量的无约束的极小化问题的解簇{(p_m,u_m)}来逼近有约束的极小化问题的解(p(u),u),依此构造了其逼近序列,并证明了这种方法的收敛性.     

基于自适应调节极大熵的孪生支持向量回归机

孪生支持向量回归机(Twin Support Vector Regression,TSVR)的数学模型是求解一对约束优化问题,如何将约束优化问题转化为无约束优化问题进行求解是一个难题.在TSVR约束优化模型的基础上,依据最优化理论提出TSVR的无约束优化问题.然而,无约束优化问题的目标函数有可能不可微,为解决这个问题,引入极大熵函数,确保优化问题都是可微的.标准的极大熵函数法有可能发生数值溢出,所以对极大熵函数法进行了改进,提出自适应调节极大熵函数法来逼近TSVR的不可微项,并提出基于自适应调节极大熵函数法的TSVR学习算法.实验结果表明,和其他回归方法相比,所提算法不仅能够提高回归精度,而且效率得到了较大的提高.     

一类有线性约束的二层优化问题的极大熵方法

对一类下层带有线性约束条件的二层优化问题构造出一个新的极大熵函数来近似表示下层极值函数 ,将不可微二层优化问题转化为可微单层优化问题来处理 ,从而得到一类二层优化问题的ε 最优解的一种计算方法 .