约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法。该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解。给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析。最后通过数值实例表明了该算法的有效性。     

求解非线性方程组的信赖域方法

用信赖域方法求解非线性方程组问题,计算中仅使用目标函数及其一阶导数信息,通过BFGS校正方法构造Hessian阵的近似,最后给出了相应的数值结果。     

一种基于信赖域约束的优化问题的求解方法

讨论一类仅含有线性约束条件的优化问题,在每次迭代过程中,用二次近似模型近似目标函数,从而构造一个子问题,以便于确定迭代方向.在每个子问题求解时引入一组共轭方向,子问题可以转化为一个线性规划问题和一个一维约束优化问题.为了保证算法的总体收敛性,应用信赖域算法代替一维搜索,确定下一个迭代点.证明了算法产生的点列如有聚点,则必有一个聚点是原问题的K-T点.     

泥石流区域环境量化分析

运用最佳逼近思想建立了泥石流区域环境量化的数学模型,根据所建立起的模型建立了泥石流区域环境优劣等体系。     

LLE方法在图像检索中的应用

在基于内容的图像检索中,图像特征的维数往往随着图像特征描述的详尽而剧烈的增加,在建立图像库时高维特征的存储空间度以及度量图像之间相似性的运算复杂度都将非常高.采取一个颜色均匀性谓词对图像进行多层分解来提取图像的颜色特征,在此基础上与LLE算法相结合对图像的高维特征进行降维.实验表明,该相关算法具有较好的性能.     

一类新的无记忆方法

给出了一种新的求解无约束优化问题的方法。该方法在求下一次迭代点时，不需要进行矩阵计算。并且在不精确线搜索（Ａｒｍｉｊｏ－Ｇｏｌｄｓｔｅｉｎ准则）下，给出了计算的步骤和计算的数值例子     

一种基于粒子群算法和育种算法的混合算法

目的 求解无约束优化问题.方法 结合粒子群算法收敛速度快而育种算法不易陷入局部最优的特点,设计了一种新的算法.结果 数值试验结果 表明算法对于多峰值函数有很好的优化效果.结论 当群体最优信息停滞时,新算法能够使粒子群算法中的粒子跳出局部最优解,最终求得全局最优解.     

集值单调算子的变分不等式

目的对集值单调算子的变分不等式解的存在性进行研究。方法利用KY-FAY及Kneser定理和拓扑向量空间解的性质作为切入点。结果在局部凸Hausdorff拓扑向量空间中得到了解的两个存在定理准则。结论得到了在局部Hausdorff拓扑向量空间中集值单调算子变分不等式解存在的条件,推广了Browder等人的结论。     

求解一类无约束优化的混合遗传算法

目的 求解一类无约束优化问题。方法 结合传统优化算法局部寻优能力强、收敛速度快，而遗传算法在搜索过程中不易陷入局部最优的两种算法的特点，给出了一种基于最速下降法的混合遗传算法。结果 算例表明所设计的算法是有效的。结论 算法可以提高局部搜索能力，提高解的精确度，搜索速度。     

无约束优化的一个组合算法

将最速下降法与Newton法有机地结合起来,构造了无约束优化问题的一种组合迭代算法,并证明了算法的全局收敛性.该组合算法既继承了Newton法在极小点附近的快速收敛性,又解决了最速下降法难以求解的问题.