序列线性方程组方法解约束SC1函数最小化问题

对不等式约束SC1函数最小化问题提出一个可行的序列线性方程组算法.算法的每步迭代,子问题只需解具有相同的系数矩阵的四个简化的线性方程组.这个算法的特点是产生的迭代点是可行的;只考虑指标在集合I的一个子集Ak中的约束函数;不需假定聚点的孤立性,就可证明算法产生的迭代点全局收敛到问题的KKT(库恩-塔克)点.在较弱条件下,证明算法是超线性收敛的.     

线性化定制的邻近点算法

针对目标函数不含交叉变量的多个可分离算子的线性约束凸优化问题,利用定制的邻近点算法,线性化算法迭代的二次项,将其转变为单调的变分不等式子问题,给出一种新的线性化定制的邻近点算法.结果表明:对于多个可分离的线性约束凸优化问题,线性化定制的邻近点新算法是有效的,将其转化为等价的混合变分不等式形式,证明了算法的全局收敛性及解的唯一性.     

一种求解非线性约束优化问题的粒子群优化算法

提出一种新的基于粒子群优化算法求解非线性约束优化问题的方法.通过引入自适应的退火罚因子和不可微精确罚函数来处理约束条件,可以使算法逐渐搜索到可行的极值点.数值实验证明了算法是有效的.     

基于F-B函数的牛顿法解一般约束优化规划问题

文章给出了一个解决一般约束最优化问题的含调节参数型的牛顿算法.算法有两个重要特征,首先,算法借助Lagrange函数和NcP中的F-B函数,通过构造等价于点条件的线性方程组采处理一般约束优化问题,其次,利用F-B函数的光滑性质,定义了调节参数,从而弱化了K-T点条件.文章在适当的条件下,证明了该算法具有全局收敛性.数值实验表明算法有效.     

用变换函数解带线性约束的全局最优问题

结合变换函数方法和下降算法对目标函数有多个极值点且带有线性约束的非线性规划全局问题提出算法.使用的变换函数兼具填充函数和打洞函数的特点.在理论上证明如果当前局部极小点不是全局最优解,一定存在一个变换函数的极小点使得该点的目标函数值小于当前局部极小点的函数值,且该点位于原问题的可行域内.以此点为初始点求解原问题可得到更好的局部极小点.     

拉格朗日-拟牛顿法解约束非线性规划问题

Partier E R和祁力群等人先后提出解光滑不等式约束函数和光滑目标函数最优化问题的QP-free方法，算法中所有的迭代点为可行点．笔者在先前发表的文章中，提出了含弱互补函数的不等式约束最优化问题的拉格朗日-牛顿法．现笔者改进了先前文章中算法，用拟牛顿公式代替了Hesse矩阵，把解不等式约束最优化问题推广到了既含不等式约束又含等式约束最优化问题，并证明了此算法具有全局收敛性．对一些算例的计算表明，此法具有很好的应用前景．     

一种基于扰动和边界约束处理机制的萤火虫算法

针对萤火虫算法在求解优化问题时容易陷入局部最优,求解精度不高的缺点,提出了一种改进的萤火虫算法.该算法在萤火虫算法中引入新的扰动项,并利用有效的边界约束处理机制处理边界约束.函数优化问题的实验结果表明了该算法的可行性和有效性.     

随机二阶锥互补约束优化模型的一般光滑化SAA方法

讨论一般随机二阶锥互补约束问题的求解算法.为处理模型中的不确定性，算法采用样本平均近似(SAA)抽样技术.不同于之前的工作，设计了一般光滑化SAA算法框架，可以在满足要求的一类光滑化函数中根据需要进行选择，从而构造光滑化SAA算法，并保证收敛性.具体的，若SOCMPCC线性无关约束规范等条件成立，则算法构造子问题的稳定点和最优解分别以概率1收敛到原问题的C稳定点和最优解.最后具体给出两个光滑化函数与其对应光滑化SAA算法的例子，由一般光滑化算法框架可得这两种算法收敛.     

一种基于综合目标函数的神经网络学习算法

为提高多层前向神经网络的学习速度和算法的稳定性,提出一种基于综合目标函数的改进学习算法.该算法在误差平方和目标函数中引入一个辅助约束项构成综合目标函数,并利用综合目标函数训练网络的输出层权值,采用牛顿法推导出训练输出层权值的递推公式.辅助约束项隐含有对网络输出平滑性的约束,提高了学习算法的稳定性.利用该算法对不同非线性函数生成的样本数据的学习结果表明,新算法的收敛速度、精度均优于Karayiannis等人的二阶学习算法.     

大规模过程系统优化的序列界约束方法

基于非线性约束极小化的序列无约束方法,对大规模过程系统稳态优化的序列界约束方法进行了研究.该约束方法的罚函数只包含对等式和/或不等式约束的惩罚项,不包含对界约束的惩罚项,通过迭代求解一系列界约束极小化子问题而非无约束极小化子问题获得原问题的解;算法按2层结构实现,内层结构中主要求解界约束极小化子问题得到下一个迭代点,外层迭代主要修改乘子向量和罚向量以及检查收敛准则是否满足,重构下次迭代的界约束子问题,或在收敛准则满足时终止算法.此外,给出了求解界约束极小化子问题的修改截断Newton法,并用一类规模可变的约束优化问题和一类最优控制问题对所给方法进行了数值试验,试验结果表明,所给序列界约束方法是非常稳定和有效的.     

模拟退火法用于电压稳定分析

为了提高用于电压稳定分析的非线性最优化方法的效率,提出了将模拟退火法和单纯形法相结合求解非线性最优化问题的新算法,避免了在全局最优点附近的大量低效搜索,提高了模拟退火法的计算效率。应用这种新算法求解静态电压稳定极限,用５节点系统进行验证得到了满意的结果。求解静态电压稳定极限问题可以等效为含有非线性等式约束和不等式约束的非线性最优化问题,采用内点法将不等式约束问题转化为等式约束问题,再通过引入罚函数转化为无约束最优化问题,然后应用本算法进行计算,结果表明新算法是有效的。     

求解凸规划问题的一种新的不精确内邻近点方法

用对数二次邻近点项替代常用的二次邻近点项,导出一种新的不精确内邻近点算法(IIP).讨论了该算法解的存在性,并在某些条件下证明了它的整体收敛性.     

两阶段混合引导的偏好多目标优化算法

在偏好多目标优化问题求解中,基于偏好点引导方式的优化算法性能易受偏好点具体位置的影响,且不能控制偏好解集大小;而基于偏好区域引导方式的优化算法虽然能控制偏好解集规模,但算法初期收敛效率不够高。针对此问题,提出一种两阶段混合引导的偏好多目标优化算法。算法初期采取偏好点的引导方式,同时引入偏好界限动态调整策略,使得种群快速收敛到偏好区域附近。迭代一定次数后,采用偏好向量引导方式指导算法搜索,达到控制偏好解集范围的目的。与几种经典的偏好优化算法进行实验对比分析,结果表明,所提算法性能不受偏好点位置影响,得到的偏好解集能很好地表征决策者的偏好信息,并且控制了偏好解集范围,便于决策者的最终决策。     

两块校正结合滤子线搜索解带有等式约束的非线性优化问题

提出使用两块校正方法结合滤子线搜索策略求解带等式约束的非线性规划问题,滤子方法的使用避免了使用罚函数法时每次确定罚参数的困难,并且证明了在一定的假设条件下该算法的整体收敛性．数值计算结果表明本算法有效。     

基于粒子群算法的MPPT控制策略研究

获取光伏电池板最大功率跟踪点的方法较多.常规算法存在控制精度差、最大功率点附近震荡、响应速度过慢、或成本过高等问题.将粒子群算法与光伏发电的最大功率点跟踪结合,提出利用粒子群算法来找光伏电池特性曲线中P-U的最高点,并且用算例证实了此方法的可行性.     

基于改进内点法的含双馈型风电场的电力系统无功优化研究

针对含双馈型风电场的电力系统无功补偿问题,建立了以有功网损最小、节点电压偏差最小为目标的无功优化模型;并考虑了风电场旋转备用的约束,提出了跟踪中心轨迹内点法实现无功优化。跟踪中心轨迹内点法在传统内点法基础上引入自适应压缩因子,利用自适应压缩因子的动态收敛性,提高算法的局部搜索能力,从而提高算法的效率。在IEEE14系统中进行了仿真测试。实验结果证明了提出的无功优化算法的有效性,算法能较好的减少有功网损;同时使其他目标函数值都得到了不同程度的改善。     

量子近似优化算法在约束优化问题中的应用

结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子 近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标 算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行 解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最 小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使 得能够高质量和高效率的求解约束优化问题。     

动态大系统最优化的三级算法

本文将导出动态大系统最优化的一种三级算法的一般公式和流程。动态方程的等式右方是状态变量和控制变量的任意函数,指标函数也是指定的任意形式,因而此大系统将是不可分解的。本文将采用加减一些项并加约束的方法,使大系统变成可以分解的,再用迭代法解算,当收敛时,处理过的系统的解就成为原始问题的解。用这种方法构成了最佳方程组的三级协调算法。     

基于混合遗传算法求非线性二阶两点边值问题的数值解

针对非线性二阶两点边值问题,构造了一种基于实数编码的混合遗传算法,将遗传算法和Levenberg-Marquardt算法进行了组合;由于前者全局优化能力强,后者有较强的局部优化能力,故改进后的算法不仅具有全局优化能力,计算的精度不会受到初始取值的影响,并且计算时间少,可以有效提高算法的收敛速度;最后,通过改进后的算法计算非线性二阶两点边值问题解析解和精确解的对比分析表明,该算法对非线性二阶两点边值问题计算有较大的优势,是一种有效的求数值解方法。     

多因素约束下配电设备短期重复停电规避方法

规避配电设备短期重复停电时,需建立目标函数,传统方法选用的优化算法容易陷入局部最优,导致规避效果不佳。为此,提出一种新的多因素约束下配电设备短期重复停电规避方法。将配电设备可靠性指标期望缺供电量和风险指标看作优化目标,建立配电设备短期重复停电规避目标函数,在多因素约束下对其进行优化求解。优化求解依据粒子群算法,通过小生境粒子群算法实现,适应度按照小生境共享体系,引入共享度,结合配电设备短期重复停电目标函数计算,从而有效规避配电设备断电器重复停电。实验结果表明,所提方法规避结果整体风险低,效果优,选用优化算法全局寻有能力强。