遗传算法求解非线性方程组的应用研究

针对传统非线性方程组解法的初始点敏感、收敛性差等问题,结合遗传算法和拟牛顿法的优点,提出了一种用于求解非线性方程组的混合遗传算法.该算法具有遗传算法的群体搜索和全局收敛性,有效地克服了拟牛顿法的初始点敏感问题;同时引入拟牛顿迭代法对精英个体进行局部强搜索,克服了遗传算法收敛速度慢和精度差的缺点,使得算法具有较高的收敛速度和求解精度.选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对不同算法进行了比较.计算结果表明所设计的混合算法有着可靠的收敛性和较高的收敛速度与精度.     

MEMETIC算法在非线性方程组求解中的应用

将非线性方程组求解问题转化为函数优化问题,在Memetic(文化基因)算法的框架下,采用了拟牛顿局部搜索与自适应多点交叉、随机变异相结合的策略进行求解,充分发挥Memetic算法的群体搜索和全局收敛性,有效克服了拟牛顿法的初始点敏感问题. 选择了几个典型的非线性方程组进行求解,实验表明Memetic算法在求解非线性方程组应用上具有较高的收敛可靠性和精度.     

利用改进的遗传算法求解非线性方程组

提出一种改进的求解非线性方程组的浮点遗传算法,算法通过把非线性方程组的求解问题转化为约束优化问题,然后将局部搜索信息引入遗传算法,通过改进的变异算子不断调整搜索区域,最终搜索到含有最优解的区域,再利用局部搜索信息提高解的精度.数值实验结果表明,改进后的浮点遗传算法具有较好的全局优化能力和局部搜索能力,且提高了求解的速度和解的精度.     

求解非线性不等式组的混合遗传算法

提出一个求解非线性不等式组问题的混合遗传算法,即首先将非线性不等式组问题转化为等价的最优化问题,然后利用浮点遗传算法全局群体搜索能力强及起始搜索速度快的特点,快速得到接近精确解的近似解.之后将其作为牛顿法或拟牛顿法的初始迭代值,利用其局部寻优能力,快速迭代至满足精度要求的数值解.数值结果表明该方法是有效的.     

二次半定规划的原始对偶预估校正内点算法

将半定规划(Semidefinite Programming,SDP)的内点算法推广到二次半定规划(QuadraticSemidefinite Programming,QSDP),重点讨论了AHO搜索方向的产生方法.首先利用Wolfe对偶理论推导得到了求解二次半定规划的非线性方程组,利用牛顿法求解该方程组,得到了求解QSDP的内点算法的AHO搜索方向,证明了该搜索方向的存在唯一性,最后给出了求解二次半定规划的预估校正内点算法的具体步骤,并对基于不同搜索方向的内点算法进行了数值实验,结果表明基于NT方向的内点算法最为稳健.     

用基于模拟退火算法的进化策略求解非线性方程组

针对传统的非线性方程组求解算法如梯度下降法和牛顿法,存在着其收敛性问题,性能特征在很大程度上依赖于初始点和串行运行造成效率低等问题;该文提出了一种并行求解非线性方程组的基于模拟退火算法的进化策略,在改进的进化策略运行中融入模拟退火算子,实现了模拟退火良好的局部搜索能力和进化策略全局搜索能力的结合,有效地解决了传统算法的初始点敏感和效率低的问题,数值计算结果表明,该算法收敛速度快、精度高、鲁棒性强,为求解非线性方程组提供了一种有效的方法.     

一种求解非线性方程组的算法

为满足理论研究与工程实践对非线性方程组求解的需求，综合遗传算法和牛顿迭代法各自的优势，提出了能够充分发挥遗传算法大范围搜索全局解、牛顿迭代算法在局部细致搜索的新算法。实例证明，该算法搜索效率高，求解速度快，并能获得全局近似最优解。     

一种基于Memetic算法的非线性方程组求解算法

提出了Memetic算法求解非线性方程组的策略,在Memetic算法流程中,采用自适应多点交叉和随机点变异策略,在交叉和变异后均通过拟牛顿局部搜索策略对染色体种群进行优化,以提高算法的求解性能.仿真结果表明,所提算法在求解非线性方程组时是有效的.     

带有梯度信息的遗传算法在求解非线性方程组中的应用

提出一种改进的求解非线性方程组的遗传算法.将梯度信息引入遗传算法,通过改变高斯变异参数不断调整搜索范围,逐渐搜索到包含最优解的区域,利用梯度信息提高解的精度.数值模拟结果表明,改进后的算法具有较强的局部搜索能力和全局优化能力,能够提高求解的精度与速度.     

拟牛顿迭代方法初始值的研究

针对拟牛顿法对初始值敏感的问题,提出一种粒子群优化算法和拟牛顿法相结合的方法.该方法首先利用粒子群优化算法的全局搜索性对所求问题在可行解区域范围内进行大范围的搜索,搜索到一定程度,把当代的最好点作为拟牛顿法的初始值进行拟牛顿法迭代.数值结果表明,该方法有效地解决了拟牛顿法对初始值的敏感性问题,保证拟牛顿法的收敛性.