非线性约束条件下的广义投影梯度法

对非线性约束条件下的优化问题提出了三个广义投影梯度方法。算法Ａ能够求解非线性不等式约束优化问题。在此基础上，又提出了能够求解非线性等式和不等式约束优化问题的算法Ｂ．进一步，通过简化算法Ａ，又给出了能够专门求解一般线性约束优化问题的算法Ｃ．并且在较弱的假设下，证明了三个方法的全局收敛性。     

求解一类双层规划的自适应变异动态差分进化算法

针对一类上层函数和约束函数不具有凸性和可微性要求,而下层函数可微且凸的非线性双层规划问题,首先通过Karush-Kuhn-Tucher(KKT)条件将双层规划问题转换为单层约束非线性规划问题,并结合非固定多段映射罚函数法和精确罚函数法对约束条件进行无约束化处理,然后提出一种改进的动态差分进化算法优化对系列无约束优化问题进行求解。对8个测试实例进行数值计算并与现有算法进行比较。测试结果表明,所提方法是一种求解该类双层规划问题的有效方法。     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题,传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题,该文采用多重参数化方法处理最优控制问题,非可微精确罚函数方法处理约束条件,引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性,优于遗传算法以及序列二次规划等经典优化算法。     

求解约束优化问题的改进粒子群优化算法

针对约束优化问题,提出了一种改进的粒子群优化算法.该算法利用罚函数法将约束优化问题处理为无约束优化问题,并利用可行基规则来更新个体极值和全局极值,使不可行的粒子尽快飞向可行域,显著提高了算法的全局搜索能力.在标准粒子群算法研究基础上,为了提高粒子群算法求解非线性复杂优化问题的性能,对速度方程和惯性权重做了改进.数值算例表明,该算法是求解约束优化问题的一种较为有效的全局优化算法.     

基于双群体的非线性约束规划进化算法

在求解非线性约束规划问题中,对其约束条件的处理是一个难点问题.本文提出了一个非线性约束规划的双群体进化算法,与以往存在的约束优化算法不同之处在于:定义个体对约束条件的函数值作为约束违犯度对群体中的个体进行度量,目标函数值作为最优解的度量.首先考虑了标准的约束规划问题,简单介绍了约束优化问题中约束条件的处理方法,给出了与这些方法不同的处理方法.针对约束违犯度,定义了两个群体,即可行群体与不可行群体.然后给出了双群体进化算法详细步骤,用5个Benchmark函数测试了此算法,并通过与其它已知算法对此5个函数的计算结果的比较,验证了算法的可行性和有效性.     

一种基于Minmax算法的混合MIMIC算法

将Minmax算法与MIMIC算法相结合,提出一种基于Minmax算法的混合MIMIC算法.该算法不再利用传统的约束保持法和可行规则法处理约束条件,而是结合Minmax算法的思想将约束问题转化为无约束问题,并利用MIMIC算法对无约束问题求解.数值试验结果表明:该算法能收敛到满足约束条件的全局最优解,并且具有很强的全局搜索能力,为解决非线性约束优化问题提供了一种新的有效途径.     

非线性优化的广义投影变尺度算法及超线性收敛性

结合罚函数法的思想,提出一种初始点任意的广义投影变尺度算法求解非线性等式和不等式约束优化问题,克服了Maratos效应的校正方向自动产生显式表达式,并在适当的条件下证明了算法是全局收敛的,且具有超线性收敛性.实验结果表明算法有效.     

MFCQ下的广义投影梯度算法

讨论了非线性不等式和等式约束优化问题在退化情形下的求解方法。首先通过引入恰当的罚函数，将原问题转化成一个只含不等式约束的辅助规划，给出了一般约束优化问题的广义梯度投影算法，在MFCQ下，证明了算法的全局收敛性。     

一种求解非线性规划问题的混合粒子群优化算法

粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·     

基于退火不可行度的约束优化问题遗传算法

传统的遗传算法在求解带约束的数值优化问题时，主要采用罚函数法．本文针对罚函数法在实际应用中的困难和不足，提出了基于退火不可行度的遗传算法来处理各类约束优化问题．仿真结果表明该方法是一种有效的约束问题寻优算法．     

非凸不可分离问题的广义交替方向乘子法的收敛性

交替方向乘子法（ADMM）是求解大规模优化问题和非凸非光滑问题的一种有效的方法,但当目标函数为非凸非光滑的情况时,原始ADMM算法的收敛性无法保证,且若目标函数中存在耦合函数,则算法的收敛性证明将更为复杂。在现实生活中存在的很多问题,其本质都是非凸的。因此,本文提出了一种改进的ADMM算法。与原始ADMM算法相比,该算法引入了一个松弛因子$\alpha $,构造了一种广义交替方向乘子法（GADMM）来求解具有线性约束的非凸不可分离优化问题。在一定的假设条件下,通过假设增广拉格朗日函数满足K-L不等式,证明了当惩罚参数足够大时,算法生成的序列收敛到增广拉格朗日函数的稳定点。     

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.     

基于遗传算法的约束优化方法评述

用遗传算法求解无约束优化问题已经取得了成功 ,但如何处理有约束优化问题是其面临的问题之一 .目前处理这一问题没有一致适用的方法 ,最常用的处理约束方法是惩罚函数法 ,也有一些其它方法 .本文对近几年出现的几种方法进行了介绍 ,并评述了它们的优缺点 .     

约束DC优化的双束法及对偶问题

针对带有凸不等式约束的非光滑DC优化问题,提出了一种基于罚函数的凸约束DC优化问题双束法,同时也刻画了双束法子问题的对偶问题;首先,利用L_1精确罚技巧把凸约束DC优化问题转化成无约束DC优化问题,便于直接对目标函数进行DC分解,然后分别建立了增广目标函数DC分量的凸分段线性近似模型,最后利用Lagrange函数得到了原问题和对偶问题最优解之间的等价关系,说明了利用对偶问题求解搜索方向的可行性和有效性。     

线性互补约束优化问题的一个序列线性方程组算法

本文讨论线性互补约束规划问题，首先利用一个广义互补函数和摄动技术将问题转化为含参数μ的一般非线性优化问题，然后利用特殊形式的罚函数作为效益函数，建立问题的一个序列线性方程组算法，在适当的条件下，证明了该算法具有全局收敛性。     

求解非线性优化问题的一个非线性Lagrange函数

提出了一个求解非凸的具有不等式约束的非线性优化问题的一个非线性Lagrange函数,并讨论了在K—T点的性质。收敛定理表明,在适当的条件下,当参数k大于某一阈值k0时,产生的点列具有局部收敛性,由此给出了与罚参数相关的解的误差估计。     

有风险控制的log-最优投资组合问题的一个黎曼几何随机算法

针对有风险控制的log-最优投资组合问题，提出了一个自适应的随机算法．该算法通过引进松弛变量，把对风险控制的不等式约束化为等式约束；再通过引进罚参数，运用罚函数法对风险控制的等式约束进行处理，从而将原来的问题化为一系列新的随机优化问题，再利用黎曼流形上的随机优化算法对其进行自适应求解．最后，使用该算法对上海证券交易所的实际数据进行了模拟计算，得到了很好的计算效果．     

用最优化方法计算时滞微分方程的周期解

给出一种用最优化方法计算时滞微分方程周期解的方法. 该方法先将寻找时滞微分方程周期解的问题转化为一个有约束的最优化问题, 再用最优化方法计算周期解. 在数值计算上, 应用函数拟合的方法近似逼近初始函数, 并结合牛顿法和惩罚函数法数值求得周期解. 数值实验结果验证了方法的高效性.     

工程优化数学模型的预处理分析

工程优化数学模型预处理是对模型构成要素的一系列规范化处理过程。为了方便采用遗传算法对优化模型的求解，提出对目标函数、优化变量及约束因子在优化前进行预处理。在分析惩罚函数法对约束处理效率较低的情况下，提出了一种基于知识调整策略的修正法，对解码中不满足约束的映射关系进行修正，使调整后个体映射到最有希望获得最优解的空间中。理论分析和测试数据表明：对优化数学模型采用适当的预处理，简化了优化设计过程，加速了算法的收敛速度，同时提高了最优解的质量。     

求解约束规划的一个非线性Lagrange函数

提出了一个求解具有不等式约束的非线性规划问题的非线性Lagrange函数．此函数主要用于解决非凸规划问题．讨论了函数在KKT点的性质,收敛定理表明了在适当的条件下。当罚参数大于某一阈值时,产生的点列具有局部收敛性,并给出了与罚参数相关的解的误差估计．此函数的收敛速度较优于Bertsekas提出的指数函数乘子法．