一种新的拉格朗日乘子方法

对于约束非线性优化问题,提出了一种带3-分片非线性互补问题函数的增广Lagrangian函数,将约束优化问题转化成无约束优化问题来求解。新的增广Lagrangian函数的无约束极小点对应于原约束问题的解及乘子,同时提出相应的Lagrangian乘子方法,该方法可执行并具有收敛性。     

一类带NCP函数的新Lagrangian乘子法

提出一类带非线性互补问题(NCP)函数的新Lagrangian乘子法,用来解满足等式约束和不等式约束的最优化问题.此方法以连续可微的罚函数为基础,通过求解一个新的无约束Lagrangian函数得到原问题的解,并且在一定的条件下还可得到此方法的全局收敛性.     

不等式约束优化问题的一个精确增广拉格朗日函数

给出了求解只带有不等式约束非线性规划问题的一个连续可微精确增广拉格朗日函数法,并讨论了它的精确性质.该方法的主要特点是:在适当的假设下,通过对这个增广拉格朗日函数在原问题变量和乘子变量的积空间上进行一个单一的无约束极小化,即可获得原约束问题的解,从而可以有效地使用标准的无约束极小化方法求解不等式约束非线性规划问题.     

优化极限学习机的序列最小优化方法

针对传统二次规划求解方法训练优化极限学习机(OMELM)存在速度慢和效率低的问题,提出了单变量迭代序列最小优化(SSMO)算法.该算法通过在框式约束中优化拉格朗日乘子来实现目标函数的最小化:首先在初始化拉格朗日乘子中选择使目标函数值下降最大的拉格朗日乘子,将该拉格朗日乘子作为目标函数的唯一变量;然后求解目标函数的最小值并更新该变量的值;重复这个过程直到所有的拉格朗日乘子都满足二次规划问题的Karush-Kuhn-Tucker条件为止.实验结果表明:SSMO算法只需调节很少的参数值便可得到足够好的泛化性能;采用SSMO算法的OMELM方法在泛化性能上要好于采用序列最小优化算法的支持向量机方法;在随机数据集测试中,SSMO算法具有较好的鲁棒性.     

采用增广乘子法和免疫算法的混合可靠性分析

针对传统可靠性优化设计方法在处理实际可靠性工程问题时求解精度不高或无法求解的问题,提出一种采用增广乘子法和免疫算法的混合可靠性分析方法.首先以极限状态方程为约束,以可靠性指标最小为目标函数,建立可靠性优化设计数学模型;然后利用增广乘子法将该有约束可靠性优化设计数学模型转变成无约束优化模型;最后运用免疫算法(IA)进行求...     

不等式约束非线性规划的拉格朗日乘子的收敛

对于等式约束的非线性规划问题,一般的解决方法是在每次迭代中更新拉格朗日乘子且逐渐增大拉格朗日函数的惩罚因子,当罚因子充分大或充分接近局部最优解时,二阶充分条件是满足的;对不等式约束问题也采用了相应的方法.在凸的情况下,对于任意的罚因子或者在每次迭代中不要求精确极小化,就能全局收敛到最优解;证明了拉格朗日乘子是收敛的.     

一种带滤子的QP-free非可行域方法

提出了一种带滤子的QP-free非可行域方法,用来解不等式约束的最优化问题.此方法通过乘子函数和3-1线性互补函数构造一个等价于原约束问题的一阶KKT条件的非光滑方程组,并在此基础上给出解这个方程组的迭代算法.这个方法的每一步迭代都可以看作是对求KKT条件解的牛顿或拟牛顿迭代的扰动,在线性搜索时用到滤子方法.这个方法是可实行的且具有全局性,并且在适当的条件下还可以得到此方法的超线性收敛性.用此算法进行了数值检验,结果表明此方法是可行有效的.     

求解带有多个复杂约束优化问题的乘子法

针对带有多个复杂约束的优化问题, 设计一种基于有效集策略的乘子法. 对于转化后的无约束问题, 利用凝聚函数近似其中的极大值函数. 在每步迭代中仅有一小部分函数参与计算, 因此梯度计算量显著减少, 进而减少了计算成本. 数值试验表明了方法的有效性.     

带一般约束无导数优化问题的改进信赖域算法

通过建立约束违和函数, 利用进步栏阈法(PB策略)筛选出插值点集中性质较好的迭代点, 同时修正子问题的初始增广Lagrange乘子, 提出一种改进的无导数信赖域(TRDF)算法, 并证明了改进算法的收敛性. 针对不同维数测试问题的数值试验结果表明, 改进算法有效降低了求解二次插值模型的迭代次数和迭代时间.     

等式约束情况下多项式函数的乘子法

在乘子法中广泛使用二次罚函数,但有时会遇到困难,如约束条件为有界集,但增广Ｌａｇｒａｎｇｅ函数在Ｒ＾ｎ上无下界,文中对等式约束条件下,目标函数与约束函数为多项式函数的情况作了具体分析,然后给出１种非二次罚函数及相应乘子法,且对于上述情形,该形式乘子法都有解。     

量子隧道效应的数值计算

采用量子流体动力学方法(QHD)研究电子穿过隧道结的概率. 将复数形式的波函数表示为指数形式,给出Lagrange框架下C和S的时间演化方程,并给出采用时间的二阶差分方法的数值计算过程. 由于Lagrange框架下格点是随着时间的演化其分布也是变化的,计算过程中涉及到C和S的导数时,直接结合数值计算方法中的求函数近似的有理近似方法. 以初始波包为高斯波包为例进行了数值计算和分析,所得到的图像明显地显示了量子效应.     

约束不可微优化问题的极大熵方法

给出一类不可微优化问题的极大熵方法，并给出了该方法的收敛性分析。     

变量有界线性规划的极大熵方法

目的讨论变量有界线性规划问题的熵函数解法。方法采用Lagrangian对偶把该问题处理为一个对偶的低维无约束不可微凸规划，据此提出了变量有界线性规划问题的可微极大熵函数。结果提出的熵函数方法可以避免数值计算的溢出。结论所采用的熵函数可避免数值的溢出，数字结果表明方法是有效的。     

有限粒子法计算精度的敏感性分析

有限粒子法(FPM)是一种特殊格式的无网格SPH方法,可在计算流体力学领域中应用。无网格方法的计算精度和稳定性通常会受到核函数形式及光滑长度的影响。一方面,选取常用的高斯型、二次和三次B样条核函数,针对FPM方法再生k阶多项式的数值算例对核函数形式的敏感性进行了分析。另一方面,设置不同的光滑长度,对传统SPH方法和FPM方法计算精度随光滑长度变化的敏感性进行了对比分析。数值结果表明,FPM方法对核函数形式和光滑长度的敏感性较低,在工程应用中具有更广的适用范围和较强的鲁棒性。     

基于光滑逼近函数的高阶牛顿法求解凸二次规划

研究绝对值函数的3个光滑逼近函数的性质,并采用图像展示了逼近效果.进而提出求解凸二次规划问题的新方法:将凸二次规划转化为非线性方程组,采用光滑逼近函数进行处理,得到光滑非线性方程组,进而利用高阶牛顿法进行求解.数值实验结果表明:本文方法收敛快、迭代次数少.     

基于上方一致光滑逼近函数的高阶牛顿法求解线性规划

首先, 给出绝对值函数的3个上方一致光滑逼近函数的性质, 并用图像展示其逼近效果. 其次, 给出求解线性规划问题的一种新方法： 先把线性规划问题转化为非线性方程组, 然后采用一致光滑逼近函数得到光滑非线性方程组, 再利用高阶牛顿法进行求解. 数值实验结果表明, 该方法采用的上方一致光滑函数逼近程度优于目前已有算法, 在相同条件下计算耗时更少.     

非单调QP-free非可行域方法

提出了带有Fischer-Burmeister非线性互补(NCP)数的非单调QP-free非可行域算法.根据优化问题的一阶KKT条件,利用乘子和NCP函数,得到非光滑方程,给出解这个非光滑方程的迭代算法.该算法包含原始-对偶变量,在局部意义下,可看成关于一阶KKT最优条件的扰动牛顿-拟牛顿迭代算法.在线性搜索时,此算法采用非单调方法.给出的算法是可实现的并具有全局收敛性,且在适当假设下具有超线性收敛性.     

互补问题的一个新的光滑乘子价值函数

研究互补问题的新解法,给出了互补问题的一个新的光滑乘子价值函数,分析了乘子价值函数的性质,并构造了相应的算法.选取了新的下降方向和乘子修正方法,使价值函数获得两次下降,从而加快了下降速度.研究结果表明:在函数为一致P的条件下,算法具有全局收敛性、局部超线性收敛性和二次收敛性;对线性互补问题有限步收敛.     

随机线性二阶锥互补问题的实值隐拉格朗日法

为探讨随机二阶锥互补问题的求解方法,利用实值隐拉格朗日法求解随机线性二阶锥互补问题。通过借助于对称锥互补问题中实值隐拉格朗日函数和随机问题的期望残差极小化方法,探讨所得问题解的存在性。由于期望残差极小化模型的目标函数中含有数学期望,故利用蒙特卡罗法对该问题进行近似。证得近似问题最优解序列是依概率1地收敛于期望残差极小化问题的最优解,并且近似问题稳定点序列是依概率1地收敛于期望残差极小化问题的稳定点,为随机二阶锥互补问题提供一种新的求解方法。