一类非凸D．C．约束优化问题的UV-分解理论

UV-分解理论是近年来解决非光滑凸函数的二阶近似的一种有效的方法,并应用于解决非光滑凸函数的最优化问题。主要应用UV-分解理论对于一类D．C．函数的约束优化问题进行研究,借助于近似次微分的概念,得到类似的UV-空间分解,以及空间分解下的相应U—Lagrange函数与其最优解集W（u）的相关性质和二阶近似的结果。     

一类非凸非光滑优化问题的近似uv-分解方法

uv-分解理论是侧重于非光滑函数的光滑信息来研究凸函数的二阶近似,从而得到凸优化问题有效算法的一种新方法.应用uv-分解理论研究一类非光滑优化问题,此问题作为许多随机优化问题的子问题,它的求解方法对处理随机优化问题有重要作用.将所研究的问题适当地转化为一类由两个非光滑函数的和的无约束优化问题,由于无法直接利用uv-分解理论,所以借助其中一个函数的光滑凸近似,得到了目标函数的近似函数.应用uv-分解理论给出该函数的U-lagrangian函数及其基本性质,目标函数的二阶近似,进而给出了求解原问题的近似uv-分解算法以及算法的收敛性证明.     

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。     

双参数精确罚函数求解约束优化问题的FR共轭梯度法

对于含约束不等式的最优化问题,给出一种双参数罚函数形式,提出了一个求解这种罚函数无约束优化问题的FR共轭梯度法,研究了它的收敛性.数值实验表明该算法是可行的.     

基于凝聚函数法的非线性方程组求解

给出了求解非线性方程组问题的一种有效方法,称为凝聚函数法。首先把非线性方程组转化为一个不可微优化问题,然后用一个称之为凝聚函数的光滑函数直接代替不可微的极大值函数,从而可把非线性方程组的求解转化为无约束优化问题,因此可以直接利用现有的无约束优化算法软件求解。在此基础上,给出了相应算法,并做了数值实验,数值实验结果表明了该算法具有收敛稳定,算法简单及计算效率高等优点。     

求解约束规划的一类带缓和因子的填充函数算法

本文考虑不等式约束优化问题(P),通过罚因子把其转化为等价的无约束优化问题(UP).然后给出了求解无约束化的一类带缓和因子的填充函数,分析这类填充函数理论性质,提出了相应的算法和数值验证例子,表明该方法是可行的.     

UV-分解在一类具有锥约束的lower-c2规划中的应用

在非光滑优化中,函数的二阶性质与展开的理论与应用方面的研究是倍受关注的课题.2000年Lemaréchal,Mifflin,Sagastizábal和Oustry等提出的UV-分解理论,给出了非光滑凸函数f在不可微点的二阶性质的新方法.UV-分解理论的基本思想是将Rn分解为2个正交的子空间U和V的直和,使得原函数在U空间上的一阶逼近是线性的,其不光滑特征集中于V空间中,借助于中间函数(U-Lagrange函数),得到函数在切于U空间的某个光滑轨道上的二阶展式.文中主要是将UV-分解理论推广到一类具有锥约束的非凸函数.使用罚函数的方法,讨论了该罚函数的UV-空间分解结构,并得到该罚函数在光滑轨道上的一阶、二阶性质及其展开式.     

基于精确目标罚参数的遗传算法

结合一种精确目标罚函数和遗传算法,提出新的算法;算法能将约束优化问题转化为无约束优化问题,同时具有遗传算法的全局搜索能力,避免陷入局部收敛;给出并讨论了精确罚定理,实验结果表明了算法的有效性.     

一类带约束多目标优化问题的区间算法

重点研究了带约束多目标优化问题的区间算法,其中目标函数和约束条件均为Lips-chitz连续函数。结合评价函数法将带约束的多目标优化问题转化为无约束优化问题,并给出相应的区间扩张,对相关定理进行了证明。利用二分原则和区域删除检验原则,构造了求解多目标优化问题的区间算法,并给出具体算例。结果表明,所建立的算法是可靠有效的。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。