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.     

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.     

解非线性方程组的拟牛顿混合遗传算法

利用熵函数将非线性方程组转化为一个极小值优化问题。结合拟牛顿法和遗传算法的优缺点,提出了一种求解非线性方程组的拟牛顿混合遗传优化算法。该方法不仅有效发挥了遗传算法在进化初期的群搜索能力,而且利用了拟牛顿法的局部精搜索性能,克服了遗传算法在后期易陷入局部收敛的缺陷,提高了算法整体寻优效率。计算机仿真表明,该算法对非线性方程组的求解具有较好的稳定性和较高的收敛精度。     

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.     

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.     

MEMETIC算法在多峰连续函数优化问题中的应用

根据多峰连续函数优化问题的特点,在Memetic算法的框架下,采用了爬山局部搜索与自适应多点交叉、随机变异相结合的策略对染色体群体进行优化,有效避免算法陷入局部最优,提高了算法的效率。数值计算表明Memetic算法在求解多峰连续函数优化问题上具有很好的效果。     

求解非线性方程组的非单调自适应信赖域方法

提出了一个新的求解非线性方程组的信赖域方法,首先把非线性方程组的求解转化成一个非线性优化问题,然后借助非单调技术和信赖域技术求解该问题,从而得到了原方程组的解.既避免了重复求解信赖域子问题,又减少了线搜索方法计算函数值的次数.算法的收敛性得到了证明,初步的数值试验表明了算法的有效性.     

有界约束非线性方程组的修正三项HS投影算法及应用

为了加快大规模有界约束非线性方程组的求解,在三项HS共轭方向的基础上,构造出一个新的搜索方向,基于共轭梯度法和投影方法,提出了一种求解有界约束非线性方程组问题的修正三项HS投影共轭梯度算法.在温和的假设下,证明了新算法的全局收敛性质.数值算例表明新算法对求解大规模有界约束非线性方程组是有效且稳定的,并将其成功地应用于求解图像恢复问题.     

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.     

NURBS曲面间的最短距离

该文在讨论B样条基函数区间拓展的基础上 ,运用区间细分算法和求解非线性方程组的拟牛顿迭代法 ,提出了一个有效的求解距离的方法 ,该算法解决了 2张NURBS曲面间的最短距离计算问题。实现这一算法的关键是利用区间算法估算出所有解区间 ,然后在这些区间内以解方程组的方式来搜索精确解     

一类改进的拟牛顿算法

在利用拟牛顿算法求解非线性无约束优化问题中,本文在文献[8]提出的拟牛顿方程基础上,通过加权形式构造一类改进拟牛顿方程,产生了修正的BFGS校正公式,进而提出改进的拟牛顿算法,在一定条件下证明新算法的全局收敛性。数值实验结果表明,与文献[12]中的拟牛顿算法对比,新算法在迭代次数上更有优势。     

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。     

GaAs MESFET器件数值模拟的预优共轭梯度法

用传统的牛顿法对GaAs MESFET器件进行数值模拟,由于发散而并不成功。本文采用在不精确线性搜索条件下仍具下降性与收敛性的Fletcher-Reeves共轭梯度法,求解由非线性方程组转化成的非线性最小二乘问题。为使方法能在不同的二次区域形成共轭性较好的搜索方向,方法采用了重开始准则。为加快收敛速度,对目标函数采用了逐步预优的方法。为减少存储量,预优矩阵由Broyden修正公式产生,且不存储修正矩阵,计算结果表明方法稳定,收敛较快,数值结果与实验结果基本相符。     

基于凸组合技术的加速FR型共轭梯度算法

为高效求解非线性方程组问题,利用凸组合技术设计一个新型搜索方向,同时结合加速线搜索技术,提出一个新的加速FR型共轭梯度算法。在合理的假设下,新算法拥有全局收敛的良好性质。数值试验结果表明,新算法总体上优于经典FR算法和三项FR算法。新算法继承了修正FR方法的良好数值效果、充分下降性及信赖域特征,并具有计算简单和存储量小的特点。     

基于改进微分进化算法的机构综合新方法

针对机构综合的非线性方程组求解问题提出了一种改进的微分进化算法.该算法是将方程组转换成一个优化问题,在进化过程中,该算法根据进化情况采用动态参数调整机制提高算法的搜索效率,并且对种群重叠状况进行实时监视,对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力.机构综合实例结果分析表明,文中提出的改进微分进化算法高效、且全局寻优能力强.     

一种求解大规模方程组的修正Dai-Yuan共轭梯度法

设计一种针对大规模非线性方程组的修正DY共轭梯度算法.该算法的搜索方向不仅自动满足充分下降条件,而且属于信赖域.在适当条件下,可以证明新算法是全局收敛的.初步的数值实验表明新算法可以有效求解大规模非线性方程组.     

非线性方程组的一个不使用罚函数和filter的算法

给出了求解非线性方程组的一个新算法,首先将非线性方程组转化为一个非线性规划,再使用一个不使用罚函数和filter的算法求解这个非线性规划,在Jacobi矩阵一致列满秩的条件下证明由算法产生序列的极限点是非线性方程组的解.通过在算法中引进二阶校正技术来克服可能的Maratos效应,可以证明这个方法是局部超线性收敛的.     

求解奇异非线性方程组的粒子群优化算法

奇异非线性方程组是一类十分重要也比较困难的问题,基于粒子群优化算法提出了一种求解奇异非线性方程组的新方法.先把奇异非线性方程组转化为无约束优化问题,然后与人工智能算法相结合,利用标准粒子群优化算法求解.此算法不但不受方程组的连续性、光滑性的限制,而且避免了大量的求导计算,得到了极为精确的数值解.数值仿真结果显示了算法的有效性和可行性.该方法为求解奇异非线性方程组提供了一种有效、可行的新算法,也扩大了粒子群算法的应用领域.     

无约束优化的信赖域算法

提出了一种无约束优化问题的信赖域算法。根据原优化问题的二次近似模型,运用拟牛顿方向与最速下降方向之凸组合作为搜索方向,采用了新的策略。进行了收敛性分析,得到整体收敛及局部二次收敛性结果,并给出了算法的执行过程及算例。