两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

求解大规模非线性单调方程组的共轭梯度算法

基于经典PRP(Polak-Ribière-Polyak)算法，设计一个具有充分下降性和信赖域性质的搜索方向，采用投影技术及经典单调线搜索，提出一种求解大规模非线性单调方程组的修正共轭梯度算法.在常规条件下，新算法具有全局收敛性.初步的数值实验结果表明：新算法比经典PRP算法和3项PRP算法效率更优，鲁棒性更好，适合求解大规模非线性单调方程组.     

求解非线性单调方程组的修正 三项PRP投影算法

针对求解大规模非线性单调方程组问题,克服其他算法计算复杂、存储量需求和计算量大等不足,基于经典PRP(Polak-Ribière-Polyak)共轭梯度法,设计了一种新的搜索方向公式,结合单调线搜索技术和投影算法,提出一种修正三项PRP投影算法.新算法具有充分下降性和信赖域特征等优点,在适当的条件下新算法具有全局收敛性.初步数值试验结果表明,新算法对选取的测试问题上是有效的,数值表现总体上优于经典PRP共轭梯度法,适合于求解大规模非线性单调方程组.     

融合多种搜索策略的差分进化大规模优化算法

多峰、高维的大规模优化问题是当前优化领域的研究热点.文中以协同进化算法为框架,提出了一种融合多种搜索策略的差分进化大规模优化算法.基于分解的思想,该算法首先利用自适应差分进化算子对子问题进行局部优化求解;然后引入基于模拟退火的随机搜索机制提高算法的全局搜索能力,并结合局部搜索链对解空间进行深度搜索.采用大规模优化标准函数对算法进行测试,结果表明,文中所提出的算法相比现有算法在平均值和最优解上均取得了更好的优化结果.     

一种求解大规模非光滑优化问题的共轭梯度法

针对大规模非光滑优化问题,利用Moreau-Yosida正则化技术和Armijo-type线搜索技术,设计了一种修正LS共轭梯度算法.算法的搜索方向不仅满足充分下降条件,而且具有信赖域性质.可以证明新算法在适当条件下全局收敛.初步的数值实验表明,新算法在求解大规模非光滑无约束凸优化问题方面比LMBM方法和MPRP方法更有效.     

解大规模非线性方程组的新型梯度类投影算法

针对高效求解大规模非线性单调方程组问题,克服其他算法存储量大等缺点,构建出一个新型的搜索方向,结合线搜索技术和超平面投影方法,提出一种无导数型共轭梯度投影算法。新算法满足以下优点:(1)在不依赖于任何线搜索下,自动满足充分下降性条件;(2)在合理的假设条件下,具有全局收敛性。初步的数值试验结果表明,对于求解大规模非线性单调方程组,在相同条件下新算法比同类算法更高效。     

一种修正的三项PRP共轭梯度法

为了更有效求解一类大规模无约束优化问题,克服其他算法普遍存在的算法较为复杂,存储量大和计算机编程难等不足,在传统三项PRP共轭梯度法的基础上,结合近年来关于三项共轭梯度法和新型线搜索的研究成果,定义了一种新的搜索方向,并采用一种新型的线搜索构建了算法,证明了其具有自动充分下降和信赖域的性质,并在适当的条件下证明了其全局收敛性。数值试验结果表明,在求解一类大规模无约束优化问题上新算法比传统三项PRP共轭梯度法更具有竞争性。具有良好收敛性质的新算法为解决一类求解大规模无约束优化问题提供了更高效的算法依据。     

一类Armijo搜索下新的共轭梯度法及其全局收敛性

为有效求解大规模无约束优化问题,提出了一类新的混合共轭梯度法.该方法在每步迭代中都不依赖于函数的凸性和搜索条件而自行产生充分下降方向.在适当的条件下,获证了在Armijo搜索下,即使求解非凸函数极小化的问题,算法也具有全局收敛性.同时,数值实验表明所提算法可以有效求解优化测试问题.     

一种求解大规模方程组的修正Dai-Yuan共轭梯度法

设计一种针对大规模非线性方程组的修正DY共轭梯度算法.该算法的搜索方向不仅自动满足充分下降条件,而且属于信赖域.在适当条件下,可以证明新算法是全局收敛的.初步的数值实验表明新算法可以有效求解大规模非线性方程组.     

求解大规模非光滑问题的一种修正DY共轭梯度算法

设计了一种针对大规模非光滑优化问题的修正DY共轭梯度算法.新算法的搜索方向不仅自动满足充分下降条件,而且属于信赖域.新算法在适当条件下全局收敛.初步的数值实验显示,新算法能够求解高达50 000维的非光滑凸和非凸优化问题,表明其在求解大规模非光滑无约束凸优化问题方面是有效的.