有界凸域上非凸二次整体规划问题的单纯形剖分算法

把非凸二次规划问题等价地转变成一个带有调整因子u的规划问题 ,特别当调空因子u取得适当大时 ,该问题转变成一个D、C规划问题 ,进而可以通过解凸二次规划来确定原问题整体最优值的下界 由此建立了有界凸域上非凸二次整体规划问题的单纯形剖分算法 ,并对此算法的收敛性进行了分析     

一类非线性比式和问题的对偶界方法

针对一类非线性比式和问题首次提出一种求其全局最优解的单纯形分枝定界算法.该算法利用La-grange对偶理论将原来的非线性非凸优化问题转化为一系列易于求解的线性规划.理论分析和数值算例均表明提出的算法是可行的.     

求非凸二次约束二次规划全局解的凸规划方法

针对非凸二次约束二次规划(QCQP)问题,将问题中二次函数的凸函数部分保留,达到所得松弛规划的可行域更加紧致的目的,得到原问题更好的下界.利用正交变换的方法得到原问题的一个凸规划松弛模型,再利用分支定界算法求其全局最优解.根据问题的最优性和可行性原则,提出一种能整体删除或缩小算法迭代过程中产生的分割子区域的区域删减策略...     

具有可分离结构的线性约束凸优化问题的迫近正则收缩算法

对具有可分离结构的线性约束凸优化问题(也就是目标函数是有2个算子和形式的可分离凸优化问题)展开研究,考虑在一定的假设条件下,通过选取合适的迫近正则参数矩阵G,拟利用可实现的迫近正则收缩法求解具有可分离结构的线性约束凸优化问题.将与原问题等价的变分不等式作为理论研究框架,通过将原问题转化为一系列容易求解的子问题,达到降低原问题求解难度的目的,下一个迭代点的获取通过求解子问题生成.最后,提出一种新的迫近正则收缩算法,并且应用变分不等式等相关理论对文中给出的迫近正则收缩算法进行了收敛性分析.     

大规模伪凸二次规划的一种分解算法

对于大规模的具有伪凸目标函数的二次规划问题，本文提出一种分解算法。同时给出该算法的收敛性证明，并指出该算法使主问题的可行域始终保持在一个最小的广义单纯形上。     

凸多面体上的混料设计

本文利用拓朴学的结论对利益区域是凸多面体的混料问题给出一种直接设计方法。凸多面体剖分成几个单纯形,每个单纯形与正规单纯形同胚,凸多面休上的设计问题即转化成几个正规单纯形上的设计问题。分块求最优点,经比较得到凸多面体的最优点。并且提出凸多面体的最小剖分问题:当凸多面体K的N个顶点P_1(x_1~(1),x_2~(1),……,x_(q+1)~(1),P_2(x_1~(2),x_2~(2),……x_(q+1)~(2),……,P_N(x_1~(N),x_2~(N))……,x_(q+1)~(N)为已知时,怎样将此N个顶点进行组合,使 K=sum from i=1 to P(P_(i1)P_(i2)……P_i_(q+1)) 且 P=min, 这里S(P_(i1)P_(i2)……P_i_(q+1))表示P_(i1),P_(i2),……,P_i_(q+1)为顶点的单纯形。     

基于非凸上界的ranking模型构造算法

现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型,得到的模型不够精确.为此,文中提出一种基于非凸上界的ranking算法.该算法首先给出一个基于多类支持向量机(SVM)的框架,然后定义面向NDCG的目标函数,在此基础上设计一个比现有的凸上界更为紧凑的非凸上界逼近原目标函数;针对上界函数的非凸非光滑,提出使用凹-凸过程进行凸逼近,并采用割平面算法进行求解;最后,通过在基准数据集上的实验对该算法进行验证,并与现有算法进行对比.结果表明,相比现有的基于凸上界的ranking算法,文中算法得到的模型不但更为精确,而且更加稳定.     

可分非凸稳态大系统凸化方法研究

本文讨论带一般约束的可分非凸稳态大系统的凸化方法。采用只增加部分约束罚项的思想,提出了一种既能将原非凸问题目标函数凸化,又能保持原问题可分性的构造增广Lagrange函数的新方法,并给出了该问题的递阶优化算法,证明了算法的收敛性,给出了收敛速度的估计.     

求解一类非凸非光滑约束优化问题的邻近滤子束算法

针对一类特殊的非凸非光滑约束优化问题提出了邻近滤子束算法.该问题的目标函数为lower-c2而约束函数为凸的.具体地,首先对目标函数采用凸化技术得到修正的问题,接着利用改进函数将修正后的约束问题转变为无约束问题,设计邻近束算法来求解这个无约束问题并在邻近束算法中引入滤子策略来确定下降步.数值结果表明了该算法的有效性和可靠性.     

线性两比式和的全局优化新算法

对线性两比式和这一非凸NP-困难的优化问题提出新的全局优化算法.首先把原问题等价地转化为一维参数优化问题.设计了巧妙的下界估计方法,在此基础上提出相应的分支定界算法,该算法最坏情况下可需要O(1/ε)迭代步以求得ε-近似全局最优解.数值结果表明,提出的新算法优于商业软件包BARON.此外,针对线性两比式和问题的一个具有隐凸性(等价于一个二阶锥规划)的应用特例,分支定界算法比基于CVX平台调用SDPT3求解相应的二阶锥规划等价模型效率更高.     

二维圆管导热反问题内壁瞬态温度的快速识别

以二维圆管为研究对象,基于控制容积积分法的导热正问题以及基于共轭梯度法的优化算法来构建二维瞬态导热反问题数学模型,分别采用Gauss-Seidel点迭代法与托马斯算法（tridiagonal matrix algorithm,TDMA）线迭代法对导热正问题离散方程进行求解。为了探究Gauss-Seidel点迭代法与TDMA线迭代法两种模型的精确性与时效性,设定了3种内壁面温度变化规律,以正问题所得到的外壁面温度值作为导热反问题的输入条件,并引入标准正态随机测量误差,探讨测量误差对反演结果精度的影响。数值试验证明了两种方法反演的精确性和抗噪性,且对比结果表明TDMA线迭代法的求解速度要优于Gauss-Seidel点迭代法,能够较快地反演得到内壁面温度波动值。     

一类非线性问题迭代算法的求解

用一种简单可行的迭代方法求解一类有限维非线性问题.该方法是求解线性问题的高斯赛德尔迭代方法在非线性问题上的推广,且此迭代方法具有几何收敛性质.     

求解自由边界问题的自适应投影方法

对一类自由边界问题,提出了基于线性互补问题的自适应投影算法.采用有限差分格式将自由边界问题离散为一个线性互补问题,然后用自适应投影迭代算法求其数值解,该方法在迭代过程中自动调整参数,达到加快收敛速度的目的,每一步迭代只需要求解一个线性方程组.给出了具体算法过程,并利用投影性质得到了它们的收敛性分析.最后用数值算例对算法验证,与已有的算法比较,结果表明:参数对自适应投影算法影响较小,该方法收敛速度更快.     

绝对值方程的Lagrange对偶方法

对一类绝对值方程问题,我们借助Lagrange对偶技术将其转化为一个连续可微的凸规划问题,然后设计了一种梯度型数值算法,并证明了算法的有限步终止性.     

多面体约束非光滑复合函数的序列有效集方法

对带多面体约束的非光滑复合函数问题的求解进行了研究。针对非光滑复合函数问题,首先,构造光滑函数来逼近非光滑目标函数,通过求解光滑近似问题来达到求解原问题的目的。在此基础上,考虑多面体约束的特殊结构,运用序列二次规划算法的思想,利用有效集策略,通过逐次求解一系列仅含等式约束的二次规划问题来逼近搜索方向的最优解,再通过线搜索求得步长,进而得到下一步的迭代点。最后,从理论上证明了算法的全局收敛性,并进行了初步的数值实验。将该算法与光滑序列投影收缩算法作对比,结果表明,该算法在迭代次数和计算时间上都有一定的优势。     

一类分数阶最优控制问题的高阶快速算法

分数阶扩散方程约束的分布式最优控制问题广泛地应用于科学和工程领域,包括优化设计、控制和参数识别;针对这类问题,提出了一种高阶的快速算法。对于求解该问题的一阶最优条件所产生的耦合两点边值问题,在空间上利用紧差分,时间上利用边值方法对该问题进行离散,离散后得到一个2×2块线性系统;然后使用带有Kronecker积分裂的迭代算法求解该线性系统,该算法是块状的Kronecker积结构,通过交替的Kronecker积分裂迭代方法得到了这个Kronecker积,并证明了该分裂迭代算法是收敛的;同时使用GMRES方法来加速Kronecker积分裂迭代的收敛;最后数值实验表明了该算法的精确性和计算效率。     

预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题．首先引入求解大型对称特征值问题的预处理技术，给出了改善后的算法及相应的算法收敛分析．而求解特征值问题的子空间迭代法，当矩阵的特征值的分布范围较大时，其收敛速度会受到限制．为了加速子空间迭代法的收敛速度，对每次迭代所得的残余矩阵直接进行预处理以改善矩阵特征值的分布而加速收敛．讨论了预处理技术对子空间迭代法的应用，从而给出了预处理子空间迭代法．最后给出了数值例子，结果表明预处理子空间迭代法比子空间迭代法优越，不仅收敛速度快，并且减少了计算量和计算时间．     

一种改进的求解含等式约束凸二次规划问题的Lemke算法

通过对经典的Lemke互补转轴算法求解含有等式约束的凸二次规划问题的分析,发现所得到的线性互补问题(LCP)可能是退化的.由Lemke算法求解(LCP)问题的迭代过程,通过六个命题说明了含有等式约束的凸二次规划问题对应的(LCP)问题退化的原因,并对经典的Lemke算法的迭代过程进行修正,提出了一种改进的Lemke算法,这种算法能有效地搜索到含等式约束凸二次规划问题的最优解.     

求解根轨迹方程的幅角算法

本文介绍求解根轨迹方程的一种新算法,它以数值迭代为主,以代数方程的解析算法为辅,使用迭代函数的1～3阶导数来预报校正迭代步长,因而较好地解决了算法收歛问题,此算法对有无纯滞后的系统均适用。     

奇异LQ最优控制的线性迭代计算方法

利用经典线性二次最优控制的Riccati方程的线性迭代法研究一类奇异线性二次最优控制问题.对于线性迭代序列的收敛性进行了分析并且给出了算法.该算法通过3个例子得到验证.