一类非线性抛物方程扩散系数及初始分布同时反演的变分伴随法

讨论了用变分伴随方法求解一类非线性抛物型方程扩散系数及初始分布同时反演问题,利用正则化思想改造最小二乘方法,利用变分伴随思想构造迭代算法,理论分析与数值模拟显示用变分伴随方法求解此类反问题是可行的.     

求解单调变分不等式的投影算法

在求解变分不等式的投影算法中提出了新的搜索方向函数,新算法每步产生的迭代点到最优解的距离严格单调下降,并且当算法产生的迭代点收敛到最优解时,搜索方向函数不收敛到零。在F单调且连续的假设条件下证明了算法的全局收敛性。数值实验表明了算法的有效性。     

基于四维变分资料同化的核事故源项反演

福岛(Fukushima)核事故后,源项反演成为一种重要的核事故放射性释放源项定量计算分析方法。该文引入四维变分(4DVAR)资料同化法,结合中尺度大气扩散模型,提出一种针对核电厂事故的放射性释放源项反演方法。该方法利用核电厂周围监测数据,使用伴随方法迭代计算四维变分代价函数梯度,得到对释放源项的最佳估计。该方法考虑了完整时间序列上的放射性传输过程,对释放源项的估计结果为全局最优。风洞实验验证结果表明:源项估计的相对误差为20%左右。     

层状介质中三维物体重构的对比源反演算法

对比源反演（CSI）算法将反演问题转化为求解成本泛函的极小值问题,从而形成重构对比源和对比度的迭代序列。开发了一种三维CSI算法对层状介质中的三维物体进行重构,该算法是对二维对比源反演算法的推广。该算法无须正演计算,亦无须人为地选择正则化参数,反演过程更稳定。CSI的每一次迭代过程均采用快速Fourier变换技术计算并矢Green函数算子及其共轭算子,确保了该算法在三维层状介质情况下的高效率。复杂模型的反演结果说明,CSI算法对重构层状介质中的任意三维异常体是非常有效的。     

层状介质中三维物体重构的对比源反演算法

对比源反演(CSI)算法将反演问题转化为求解成本泛函的极小值问题,从而形成重构对比源和对比度的迭代序列.开发了一种三维CSI算法对层状介质中的三维物体进行重构,该算法是对二维对比源反演算法的推广.该算法无须正演计算,亦无须人为地选择正则化参数,反演过程更稳定.CSI的每一次迭代过程均采用快速Fourier变换技术计算并矢Green函数算子及其共轭算子,确保了该算法在三维层状介质情况下的高效率.复杂模型的反演结果说明,CSI算法对重构层状介质中的任意三维异常体是非常有效的.     

一类新的曲线搜索下的记忆梯度法

提出一类新的求解无约束优化问题的记忆梯度法,在较弱条件下证明了其全局收敛性.新算法有如下特点:(1)采用曲线搜索方法,在每步迭代时同时确定下降方向和步长;(2)利用当前和前面迭代点的信息产生下降方向,无需计算和存储矩阵,适于求解大型优化问题.     

一种特殊的下降算法——分裂梯度法

求解无约束优化问题,常用的方法有下降算法,牛顿法,共轭梯度法等。当目标函数为几个光滑函数的和时,一些学者提出并研究了增量梯度算法。其基本思想是循环选取单个函数的负梯度作为迭代方向。增量梯度算法的迭代方向不一定是下降方向,所以不能用下降算法的一维搜索确定步长,因为受限于步长的选择,收敛效率不高。本文结合了下降算法和增量梯度算法的思想,提出了分裂梯度法。简单的说,分裂梯度法循环考虑单个函数的负梯度方向,如果这一方向是下降方向,则选择这一方向为迭代方向;否则选取函数的负梯度方向为迭代方向。最后通过数值实验与最速下降算法、随机下降算法以及增量梯度算法进行对比,结果表明对于某些优化问题,采用分裂梯度法更有效。     

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题，以最大完工时间为目标建立数学模型，提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量，用遗传算法进行初步搜索，将搜索的结果通过迭代贪婪策略进一步搜索，以提高解的质量，再对关键路径进行邻域搜索，设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构，加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试，实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

一类新的记忆梯度法及其收敛性

提出一类新的求解无约束优化问题的记忆梯度法。算法在每步迭代中利用当前和前面迭代点的信息产生下降方向,采用精确线性搜索或Wolfe非精确线性搜索产生步长,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。数值试验表明算法是有效的。     

约束优化问题的一个非单调变尺度投影算法

变尺度方法是求解优化问题的重要方法之一,本文利用投影算子建立了求解约束优化问题的一个变尺度投影算法,而且算法使用了非单调搜索,放松了每步迭代中对搜索的限制,并进一步证明了算法的全局收敛性．     

Armijo搜索下改进的LS共轭梯度法

共轭梯度法是求解无约束优化问题的一类重要方法。通过调整搜索方向,提出了一类改进的LS共轭梯度法,该方法在每步迭代中都能不依赖于任何搜索而自行产生充分下降方向。在精确搜索下,该算法将还原为原LS方法。在适当的条件下,获证了该法在Armijo搜索下,即使求解非凸函数极小化的问题,算法也全局收敛。同时,数值实验表明该算法可以有效求解优化问题。     

等效源模型反演方法的效果

等效源方法不仅可用于位场转换,而且也能用于位场反演。在可能存在矿体的区域,我们选择一组等效源和这些等效源的初始参量,然后与通常的最优化选择法一样用Marquardt方法进行迭代求解。等效源反演与最优化选择法的差别,是在等效源法反演中迭代参数仅仅是密度或磁化强度,等效源的位置、形状和大小是固定不变的。本文叙述了等效源反演方法和其有效性。     

求解单调线性互补问题的势下降内点算法

研究了单调线性互补问题的一种内点法,将牛顿方向和中心路径方向相结合,通过求解一个线性方程组得到搜索方向;在每次迭代中,寻找使得新的迭代点满足可行性要求且同时使得势函数值下降的步长参数,进而建立了求解单调线性互补问题的一种势下降内点算法,并证明该算法经过多项式次迭代之后收敛到原问题的一个最优解,数值实验表明此方法是有效的。     

无小参数非线性振动方程的近似方法

本文提出了一种求解非线性方程的迭代算法 ,它不依赖于小参数 ,是先给方程一个带待定函数的试函数作为初始近似解 ,然后用拉氏乘子法构造一个迭代公式 (校正泛函 ) .试函数中的待定函数可用变分直接方法确定 ,而校正泛函中的拉氏乘子可用变分理论最佳确定 .应用这种方法不会出现长期项 ,其结果表明这种新方法是比较有效的 .     

广义变分不等式问题的一种新投影类方法

提出了一种求解广义变分不等式问题的新投影方法,该方法利用了一种新的搜索方向.并证明了新算法对伪单调算子的广义变分不等式具有全局收敛性.     

一种改进的推广近中心点算法

考虑变分不等式问题,基于D.Han(2003)提出的推广近中心点算法,通过改进算法的投影区域,提出了求解变分不等式问题的一种新的推广近中心点算法.该算法具有如下特点:算法产生的迭代点列关于初始点具有扩张性质;如果变分不等式问题有解,则算法产生的迭代点列的极限点就是初始点到问题解集上的投影;在适当的假设条件下,算法具有全局收敛性.最后,给出了该算法的初步数值试验结果.     

一种改进的求解具有上界和下界的线性变分不等式问题的外梯…

本文研究求解线性变分不等式问题的迭代方法，结合Ｋｏｒｐｅｌｅｖｉｃｈ［１］提出的外梯度方法及不精确线搜索技术，给出了一种实用的迭代方法，在可解性条件下，证明了算法的全局收敛性。     

Armijo型线搜索下一种修正HS共轭梯度法的全局收敛性

本文对HS算法进行了修正,在Armijo型线搜索下,该方法保证每次迭代中的搜索方向是充分下降的．在较弱的条件下．证明了此修正HS算法具有全局收敛性．最后对算法进行了数值试验,试验结果表明该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题．     

Armijo型线搜索下的全局收敛共轭梯度法

通过修正搜索方向,提出了一个具有充分下降的共轭梯度法用于求解无约束优化问题。该算法不依赖于任何线搜索,在每次迭代都能产生一个充分下降方向。在一定条件下,证明了此算法在Armijo线性搜索下的全局收敛性。数值实验结果表明所提出的算法是有效的。