一类概率约束规划的近似方法及其收敛性

对概率约束规划ｍｉｎ｛ｃｘ＋ＥΣ↑ｒ↓ｉ＝１ｑｉ［ζｉ－Ａｉｘ］＾＋│Ｐ（Ａｘ≥ζ）≥ｐ，Ｂｘ≥ｂ｝，讨论了ζ是无界随机向量时的近似方法，并证明了这种近似方法的收敛性。     

一类非光滑最优化问题的逐次二次规划方法及其全局收敛性

本文给出了一类非光滑问题的逐次二次规划方法．问题的目标函数是凸函数和一个非光滑合成函数之和．方法利用二次规划的解作为搜索方向，新的迭代点由不精确线搜索得到．在较弱的条件下，证明了方法的全局收敛性．     

关于遗传规划收敛性的一个定理

遗传规划是一种通过进化程序来得到问题近似或精确的方法，讨论遗传规划的收敛性质，证明在采用生长法变异算子的条件下遗传规划搜索有限的文法树空间的收敛性的一个 并证明如果不采用最优个体保留策略则遗传规划是不收敛的，最后指出在遗传规划中使用变异算子的理论的实际意义。     

演化计算研究进展

系统地介绍了演化计算的历史与研究现状,并分别演算化计算的基础理论,设计准则与应用水平,演化计算了内涵等提供了相应的观点。     

BFGS算法的全局收敛性分析

对于凸函数，采用两种比较广泛的线搜索技术，在适当的假设条件下，我们得到了ＢＦＧＳ算法的全局收敛性。     

保守修正BFGS算法及全局收敛性

基于新拟牛顿方程,提出一类保守修正BFGS算法.该算法的特点是:即使当目标函数是非凸函数时,该算法仍然是全局收敛的.在适当的条件下,该算法具有局部超线性收敛性.初步的数值实验表明,该算法是有效的.     

进化规划的现状及发展动向

进化规划在一些难解的优化问题中都有成功的应用 .综述了国内近几年来在进化规划方面的主要应用成果、进化规划的改进及进化规划在收敛性方面的一些结论 .     

一类拟牛顿算法的收敛性

根据一类基于新拟牛顿方程Bk 1sk=yk*的修改BFGS类算法,采用广义W olfe线搜索模型(GW搜索模型):f(xk 1)≤f(xk) δkαgTkdk和g(xk 1)Tdk≥m ax{,σ1-(kα‖dk‖)p}gTkdk,其中0<δ≤σ<1,p∈(-∞,1),得到一类修正的BFGS算法(M BFGS),证明了M BFGS算法的全局收敛性和超线性收敛性.数值试验结果表明M BFGS算法是有效的.     

演化计算技术

演化计算是一类借鉴生物界自然选择和自然遗传机制而发展起来的通用问题求解方法.本文简要讨论演化计算的基本原理,包括演化计算的基本概念、基本结构和基本特征以及演化计算的主要范例等.     

进化规划和进化策略中变异算子的若干研究

介绍了进化规则和进化策略中使用的三种变异算子及其性质，应用概率论方法比较了它们的局部搜索和局部逃逸性能。结果表明，柯西变异算子和正态变异算子分别具有良好的局部逃逸和局部搜索能力，而平均变异算子在一维时同时具有良好的局部逃逸和局部搜索能力，但在高维时它的性态和柯西变异算子基本一样，这些结果为设计和使用变异算子提供了指导和启发。     

基于神经网络和进化算法的混沌序列产生方法

应用具有全局最优的进化规划算法建立产生混沌序列的优化神经网络模型。该模型利用神经网络权值调整的灵活性 ,能够在同一网络结构中产生的多种混沌序列。计算机仿真结果表明 :该模型比 BP算法训练的神经网络模型能更好地重构混沌吸引子 ,调整网络权值即可产生多种混沌序列。     

约束非线性规划的一种算法及其收敛性

对既含等式又含不等式约束的非线性规划问题,构造出了一种算法,并证明了其全局和局部收敛性。     

解凸规划的投影算法与收敛性分析

建立了一个求解Ｈｉｌｂｅｒｔ空间中约束凸规划的投影算法，并在目标函数与约束函数均是连续Ｆｒｅｃｈｅｔ可微的条件下，利用投影性质证明了算法的下降性和收敛性。     

基于进化规划和神经网络的多用户检测器

利用两种方法的优点,并将它们应用于CDMA多用户检测中,提出一种基于并行遗传算法和Hopfield神经网络的多用户检测器．该检测器中,进化规划首先给神经网络提供较好的初始值,然后用神经网络实时快速地获得最优解．计算机模拟结果表明：本文所提出的检测器在误码率和“抗远近”效应方面均具有良好的性能。     

具有基的Banach空间弱收敛

本文给出具有Shrinking基的Banach空间中序列弱收敛的等价条件.     

闭凸集上实函数的迭代收敛性

证明了闭凸集上的连续函数的Ｍａｎｎ迭代序列的收敛性     

带有一般线性搜索的L—BFGS算法的收敛性

提出一般非精确线性搜索模型,将其用于Ｌ－ＢＦＧＳ算法,得到一种新的Ｌ－ＢＦＧＳ算法,在适当条件下,证明了此新算法整体收敛。     

B值反向GFT(1)和GFT(2)的收敛性

本文讨论了Ｂ值反向ＧＦＴ（１）和ＧＦＴ（２）的收敛性，得出了Ｂ值反向ＧＦＴ（１）．ａ．ｓ．强收敛，Ｂ值反向ＧＦＴ（２）依概率强收敛