具内部锥类凸集值优化问题超有效元的Kuhn-Tucker最优性条件

在Hausdorff局部凸拓扑线性空间中考虑具内部锥类凸函数约束集值优化问题(SOP)的超有效元.在内部锥类凸和条件(CQ)成立的假设下,利用择一性定理得到了向量集值优化问题(SOP)超有效元的Kuhn-Tucker型最优性充分必要条件.     

内部锥类凸集值优化的ε-超有效解

通过在局部凸拓扑线性空间中引进集值映射向量优化 问题的ε-超有效解, 在集值映射为内部锥类凸的假设下, 利用凸集分离定理建立了关于ε-超有效解的标量化定理, 并利用择一定理得到ε-Lagrange乘子定理.     

锥上半连续集值映射多目标优化问题超有效解集的连通性

研究集值映射多目标优化问题超有效解集的连通性,在目标映射为锥上半连续和锥弱近似拟凸的条件下,应用广义凸性研究中的一些结论,证明了超有效解集是连通的。     

超有效解的广义高阶最优性条件

在实赋范线性空间中考虑集值优化问题的超有效解。对于一个具体集合通过直接计算求得了它的超有效点集。在没有任何凸性假设下,借助于Henig扩张锥,给出了集值优化问题取得超有效解的广义高阶导数型的必要条件。     

次弧连通锥-凸集值优化问题近似解的最优性条件

本文讨论相依上图导数形式下广义弧连通锥-凸集值优化近似解的最优性条件问题.首先,本文引入次弧连通锥-凸集值映射的概念,并举例说明次弧连通锥-凸性是弧连通锥-凸性的推广;其次,得到了次弧连通锥-凸集值映射的两个有用性质;最后,在次弧连通锥-凸性条件下,分别建立了集值优化问题强近似极小元和弱近似有效元的充分最优性条件.     

用广义高阶锥方向导数刻画集值优化强有效元

在实赋范线性空间中研究集值优化问题强有效元的最优性条件.利用广义高阶锥方向相依导数,在内部锥类凸假设下,给出了无约束集值优化问题强有效元的广义高阶必要条件,并在没有任何凸性假设下利用凸集分离定理得到了充分条件.     

集值映射的广义梯度与超有效解

在锥序Banach空间中引入了一类集值映射的广义梯度,在一定条件下通过凸集分离定理证明了此广义梯度的存在性; 并给出集值优化问题的超有效解在广义梯度下的最优条件.     

集值优化问题的ε-严有效解的最优性条件

在局部凸拓扑向量空间中引入了ε严有效点、ε严有效解的概念.在近似锥次类凸集值映射下,利用拓扑向量空间中的凸集分离定理,获得了带广义不等式约束的集值优化问题的ε严有效解的必要条件.同时,利用锥基的一个性质,获得了这类集值优化问题的ε严有效解的充分条件.     

集值优化问题全局极小解集的连通性

在Hausdorff局部凸空间中,讨论了集值优化问题全局极小解的连通性问题.证明了当目标函数为锥类凸集值映射时,其目标空间里的全局有效点集是连通的;若目标函数为弧式锥凸集值映射,则其全局极小解集也是连通的.     

集值优化问题ε-强有效元的Lagrange型最优性条件

利用近似锥-次类凸集值映射的性质证明了当序偶集值映射是近似锥-次类凸时,对应的Lagrange函数也是近似锥-次类凸的.利用此结果得到集值优化问题取得ε-强有效元的Lagrange型必要条件,利用ε-强有效元的性质得到Lagrange型充分条件.     

Wolfe线性搜索下的超记忆梯度法及其收敛性

研究无约束优化问题,给出了一种新的超记忆梯度法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率.数值试验表明新算法是有效的.     

一类部分反向凸约束优化问题的组合同伦方法

研究一类部分反向凸约束可行域上函数极小化问题的组合同伦内点方法, 针对这类部分反向凸约束区域, 给出了拟法锥的构造方法, 并证明了所选的映射关于约束梯度是正独立的及所构造的拟法锥满足拟法锥条件.     

组合同伦内点算法求解一类非凸无界优化问题

用组合同伦内点算法求解一类非凸无界优化问题, 在适当的条件下得到了同伦路径的存在性. 结果表明, 沿着此同伦路径跟踪, 即可得到非凸优化问题的K-K-T点.     

含参广义集值优化问题解集映射的连续性

在拓扑向量空间中考虑双参广义集值优化问题解集映射的连续性. 当目标函数构成的序偶映射为l严格锥拟凸时, 在较弱的约束品性假设下, 得到了双参广义集值优化问题解集映射连续的最优性条件.     

Powell搜索法和惯性权重非线性调整局部收缩微粒

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法. 该算法不需要计算梯度, 容易应用于实际问题中. 通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性. 首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法（PSO, GPSO和NM PSO算法）. 其次, 将新混合算法和最新的各种协同PSO算法进行分析比较. 结果表明, 新混合算法在解的搜索质量、 效率和关于初始点的鲁棒性方面都远优于其他算法.     

用IAA求解约束模型多解问题

针对蚁群优化算法易于陷入早熟收敛和局部求精能力不足的缺点,提出一种用免疫蚁群算法(IAA)寻找最优解的方法.算法基于人工免疫系统原理,设计了具有免疫能力的蚂蚁抗体保持蚁群的多样性,在迭代后期蚁群依然保持进化能力,提高了算法的局部求精能力,使蚁群优化算法在局部开采与全局探索间都取得了更好的平衡.实验结果表明,算法具有良好的优化性能和时间性能.     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

集值优化问题严有效解的高阶最优性条件

在实赋范线性空间中考虑集值优化问题的严有效性.当目标函数和约束函数均为锥凹集值映射时,利用凸集分离定理并借助集值映射高阶导数给出了带约束集值优化问题取得严最大有效解的Fritz John最优性必要条件,并用构造性方法证明了集值优化问题取得严最大有效解的充分条件。     

基于L-曲线正则化的MAP超分辨率图像复原

提出一种基于L 曲线正则化参数选择方法的最大后验 概率超分辨率图像复原算法. 该方法将最大后验概率估计和L-曲线正则化参数选择方法相结合, 可以有效地减少和去除复原图像中的噪声, 提高图像复原质量, 并具有较好的超分辨率复原能力.     

解Duffing方程周期解的Levenberg-Marquardt方法

先把求解微分方程的周期解问题转化为无约束最优化问题, 再利用无约束最优化问题的最优性条件及Levenberg-Marquardt方法求解了满足限制共
振条件下的一类Duffing方程的周期解. 数值计算结果表明了方法的有效性.