互补约束优化问题的一个非单调信赖域法

针对互补问题构造了一种新的价值函数,从而把互补约束优化问题等价地转化为一般光滑约束优化问题.然后,结合非单调技术给出了一个信赖域算法,在一定条件下证明了算法的全局收敛性.     

非光滑单值优化的信赖域算法

提供了求解非光滑单值优化问题的信赖域算法．基于线性规划的对偶理论,将目标函数的方向导数转化成线性规划,从而使信赖域子问题容易数值求解． 在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率．     

一个求解等式和不等式约束优化问题的信赖域算法

给出了一个求解一般约束优化问题的信赖域算法，此算法采用光滑的增广拉格朗日函数作效益函数，在适当的条件下，证明了算法的整体收敛性。     

线性约束优化的一个自适应非单调信赖域方法

给出了线性约束优化问题的一个自适应信赖域算法,其中的信赖域半径是由算法本身自动进行调解的,从而避免了传统算法在选取信赖域半径时的盲目性.借助于非单调技术,获得了算法的全局收敛性.     

基于非单调技术的ODE型算法

将非单调技术与信赖域ODE算法相结合,提出了一种求解无约束优化的新算法,从而减少了迭代次数以及信赖域子问题的计算次数.并给出在一定条件下算法的整体收敛性,数值试验表明算法有效.     

投影Hessian的内点回代算法解线性约束优化问题

提供非单调内点回代技术的信赖域投影Hessian算法解线性约束优化问题.基于矩阵QR分解的技巧,将仿射零空间的信赖域子问题变换成通常的信赖域子问题,然后结合线搜索技术,在每次迭代信赖域子问题都将产生新的回代内点.在合理的条件下,证明了算法不仅具有整体收敛性而且保持局部超线性收敛速率,引入非单调技术将克服病态问题,加速收敛性进程.     

界约束非线性方程组的信赖域法

提出一种求解简单界约束最优化问题的信赖域算法,把无约束优化推广到简单界约束优化,将线搜索技巧与信赖域方法相结合,使得新算法不需要重解信赖域子问题,简化了计算,同时,新算法采用了非单调结构,提高了计算效率.在通常假设条件下,证明了算法的收敛性,并给出了数值试验,结果表明算法十分有效.     

YWL线搜索下的改进HS共轭梯度法

非线性共轭梯度法不仅对于大规模光滑优化问题非常有效,而且在理论和算法分析上也很成熟.在实际应用中,此方法针对于大规模非光滑问题并未得到广泛的研究,很少有学者致力于研究此问题.因此,为了解决大规模非光滑问题,基于Yuan-Wei-Lu线搜索提出一类修正的HS共轭梯度法,该方法不仅具有充分下降性而且具有信赖域性质;同时还证明了该方法对于一般函数具有全局收敛性和信赖域性.     

求解约束插值和光顺问题的信赖域方法

针对凸插值、凸光顺和保形插值等带约束条件的插值和光顺问题,提出一种信赖域方法.约束插值和光顺问题可归结为求解半光滑非线性方程组.本文利用半光滑方程组的广义雅可比矩阵,采用半光滑方程组的平方自然残余量作为价值函数.同时,利用关履泰(1983)关于凸集上样条函数的性质,改进信赖域方法,以加速信赖域方法的迭代.本文证明了求解约束插值和光顺问题的信赖域方法的局部收敛性和全局收敛性,最后给出了数值算例.     

简单界约束非光滑方程组的非单调信赖域方法

对简单界约束非光滑非线性方程组提出一种新的非单调信赖域算法,信赖域半径与当前迭代点的投影梯度有关,非单调结构为标准结构．在通常假设条件下,证明了算法具有强收敛性,并给出了初步的数值试验结果．     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。     

连续体结构拓扑优化的过滤变密度法

为了解决经典变密度法存在的灰度单元收敛过慢以及优化结果灰度单元过多问题,引入带灰度过滤函数的变密度法模型.根据过滤函数的性质,给出了2个带可调参数的过滤函数模型.通过经典MBB梁优化算例,比较过滤函数对灰度问题的改善效果,分析了参数对优化目标的影响并给出了合理的参数选择模式.计算结果表明了此方法的合理性和有效性.带灰度过滤函数的变密度法一方面使得优化结果具有较好的0—1清晰性;另一方面,过滤函数加快了灰度单元的收敛速度,从而减少了优化收敛所需的迭代次数.     

基于非线性收敛因子和标杆管理的改进教与学优化算法

针对教与学优化算法寻优精度低、收敛速度慢以及局部最优避免性弱的问题,提出了一种改进教与学优化算法（MTLBO）。在算法的教学和学习阶段,分别引入了非线性收敛因子调整策略和标杆管理策略。基于2种策略的随机组合形成了3种不同的MTLBOs,与标准教与学优化算法（TLBO）的对比实验结果表明,3种MTLBO均优于TLBO,其中,引入2种策略的MTLBO3取得了最佳的数值实验结果,其远优于原始TLBO。为进一步验证提出算法的有效性,与其他著名的群智能优化算法进行了数值实验对比。数值结果和收敛曲线表明,MTLBO3的寻优性能明显优于其他对比方法,具有更高的求解精度、更快的收敛速度以及更佳的局部最优避免能力。最后,使用有约束的工程优化问题进一步验证了提出算法的有效性。     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

贪婪光线寻优算法的局部收敛性分析

光线寻优算法局部搜索能力弱和收敛性理论完善困难的问题, 提出一种贪婪光线寻优算法, 并通过理论推导证明了该算法的局部收敛性. 数值实验结果表明, 对于单极值非线性标准测试函数, 与粒子群算法和模拟退火算法相比, 贪婪光线寻优算法具有更高的收敛精度和稳定性.     

基于自适应调整权重和搜索策略的鲸鱼优化算法

针对鲸鱼优化算法(WOA)收敛速度慢、收敛精度低、易陷入局部最优的问题,提出一种基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA).设计一种随着鲸鱼种群变化情况而自适应调整权重的方法,提高了算法的收敛速度; 设计一种自适应调整搜索策略,提高了算法跳出局部最优的能力.利用23个标准测试函数,分别针对高维和低维问题进行测试,仿真结果表明,AWOA在收敛精度和收敛速度方面总体上明显优于其他多种改进的鲸鱼优化算法.     

一种基于PSO-ABC的全局优化算法

针对粒子群算法和蜂群算法在寻优中存在的一些早熟和收敛速精度不高等问题,论文分别时粒子算法和蜂群算法的更新策略以及更新公式进行了改进,利用改进的粒子群算法和改进的蜂群算法同时对一个粒子位置进行部分算术更新的方法,提出了一种新混合的优化算法.并将其在12个多极值基准函数进行全局最优化测试,实验结果表明,笔者提出的混合优化算法收敛的速度和收敛精度大大提高了,其性大大优于改进的粒子群算法（CLPSO算法）和人工蜂群算法,对于高、低维复杂函数的优化均适用.     

动态改变惯性权重的新模式粒子群算法

针对标准粒子群算法在求解复杂优化问题时易陷入局部最优、收敛精度不高和收敛成功率低的不足,提出了一种改进的粒子群算法.通过算法所处的迭代阶段和粒子的分布情况动态改变惯性权重的值,并根据每个粒子的更新情况调整其飞行的起点.最后4个测试函数仿真结果表明,在求解复杂优化问题时,改进后算法的收敛精度和收敛成功率均有明显提高.     

一种新的自适应步长果蝇优化算法

针对基本果蝇优化算法(FOA)易陷入局部最优、寻优精度低和后期收敛速度慢的问题,提出了一种自适应步长果蝇优化算法(ASFOA).该算法在运行过程中根据上一代最优味道浓度判断值和当前迭代次数来自适应调整进化移动步长,使算法在初期的步长大而避免种群个体陷入局部最优,到后期果蝇移动的步长变小而获得更高的收敛精度解,并加快收敛速度.通过6个标准测试函数对改进算法进行仿真测试,结果表明ASFOA算法具有更好的全局搜索能力,其收敛精度、收敛速度均比FOA算法及参考文献中其他改进果蝇优化算法有较大的提高.     

无约束优化问题线搜索方法的收敛性

在较弱条件下给出了5种线搜索准则下的线搜索方法的收敛结论，这些结论对于构造快速有效的收敛算法是十分有用的。表明了搜索方向在这些方法中起主要作用，同时步长在一定条件下保证了算法的全局收敛性。说明了算法可用于求解更广泛的无约束优化问题。