有约束连续全局优化问题的填充函数

求解全局优化问题的填充函数法的关键在于构造一个称为填充函数的辅助函数,给出了一类求解带约束的连续全局优化问题的填充函数,讨论了其填充性质.     

带约束的离散全局优化问题的填充函数法

通过构造一个新的双参数填充函数求解带约束的离散全局优化问题的全局最优解,研究了填充函数的分析性质,并据此给出了带约束的离散全局优化问题的一个填充函数算法.数值试验证结果表明该算法是可行的、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.     

基于降维的填充函数方法

提出了一个基于降维技术的填充函数方法,用以求解箱约束非线性全局优化问题。首先利用降维变换将n维问题转化为一维问题,其次对一维问题运用填充函数方法求解,证明了降维填充函数的理论性质,并给出了算法和数值实验结果。     

一个求解有约束的全局优化问题的变换函数法

给出了求解一般的有约束非线性规划问题全局最优解的拟填充变换函数方法，而且讨论了所构造的变换函数的几个性质，按照其理论性质设计了一个变换函数算法，并进行了数值试验。数值实验表明，所给的方法是有效的。     

求解非线性P_0互补问题的填充函数法

首先利用光滑Fischer-Burmeister函数,将非线性P_0互补问题转化成相应的约束优化问题;然后对此约束优化问题构造出一种新的无参数的填充函数,讨论了该填充函数的有关性质,并提出了求解非线性P0互补问题的填充函数算法。通过几个数值算例验证了该算法的有效性。     

关于求解全局优化的途径:从局部到全局(英文)

在实际应用中常常要求求解全局优化问题, 而用有效的求解全局优化问题是非常困难的.填充函数方法和打洞函数方法是两种全局优化的函数变换方法,有关文献的计算说明这些方法是有效的.本文将给出这两种全局优化方法最近的发展.首先分析原先由葛仁溥提出的填充函数和Levy与Montalvo提出的打洞函数方法的缺点.其次给出在箱子集或者全空间上无约束或者不等式约束的全局优化问题的单参数的新填充函数和变形打洞函数的定义,并构造出相应的填充函数和变形打洞函数.此外亦讨论整数全局优化问题的填充函数和变形打洞函数方法.最近还讨论了全空间上等式约束全局优化问题.最后给出综述,指出非线性规划的一个主要发展方向:混合整数非线性规划,给出用填充函数和变形打洞函数的求解途径.     

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。     

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,并讨论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。     

一种遗传算法求约束优化问题的新方法

为了更好的解决约束优化问题,介绍了利用遗传算法求解约束优化问题的一般方法,在分析传统方法的基础上提一种遗传算法求解约束优化问题的新方法,将约束优化问题分成两步:首先不考虑目标函数,把约束优化问题转换为一个约束满足问题来处理,获得一个可行解;然后对目标函数和已满足约束的条件进行优化,最终获得一个最优解。还对该方法在不同问题下作了分析,证明了该方法对求解有约束优化问题有良好性能。     

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.     

求解非光滑优化问题的改进大洪水算法

应用启发式算法求解非光滑优化问题,解决基于次梯度信息的确定性算法在求解时困难较大的问题.首先分析了基本大洪水算法的优化机理及特征并给出其求解步骤,然后针对无约束及盒子约束问题分别设计了改进的大洪水算法,将基本大洪水算法所依赖的参数up省去.对于无约束情形,提出了进行邻域搜索的随机行走法;对于盒子约束情形,提出了选择初始可行点的方法和进行邻域搜索的混沌优化算法.最后通过算例进行测试并与其他算法进行对比,测试结果表明了改进的大洪水算法在求解非光滑优化问题时的有效性与优越性,故其可作为求解非光滑优化问题的一种实用方法.     

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.     

整体收敛的非线性等式约束优化问题的不精确修正正割方法(

通过使用线搜索技术,提出了一类具有整体收敛性的不精确修正正割算法解非线性约束优化问题.引入Fletch-er罚函数作为价值函数克服了产生Maratos效应.在合理条件下证明了该类算法具有二步q阶超线性收敛速率.进而,对于约束进行很小的额外计算改进了此类算法,以使新算法具有一步q阶超线性收敛速率.数值实验的结果证明了该算法的有效性和可行性.     

非线性等式约束优化的信赖域算法

提出了求解一般非线性等式约束优化的信赖域算法。运用了不同方法在信赖域内求解原优化问题的二次近似模型的解,通过收敛性分析,获得了算法的整体及局部超线性收敛等结果,并给出了算法的执行细节。     

一个与信籁域搜索技术相结合的微粒群算法

微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题，传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题，该文采用多重参数化方法处理最优控制问题，非可微精确罚函数方法处理约束条件，引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性，优于遗传算法以及序列二次规划等经典优化算法。