无约束优化问题的Newton-过滤器算法

构造了求解无约束优化问题的新算法,该算法结合了一般的Newton算法的思想和过滤器线性搜索策略,一方面搜索方向由Newton算法产生;另一方面在接受新的迭代点时,采用过滤器线性搜索策略,确定步长,且新算法是全局收敛的.     

一种新的线性规划不可行内点算法

提出了一个新的求解线性规划问题的不可行内点算法,这个算法每一步只须解一个线性方程组,算法是基于路径跟踪算法思想,适当选取初始点,算法至多可在Ｏ（ｎｌ）迭代步获得ε－可行性和ε－互补性,算法具有每一步的计算量少的特点。     

一种新的凸二次规划的内点算法

提出了一个新的求解凸二次内点算法,算法基于原始－对偶仿射尺度算法的思想,每步迭代只须解一个线性方程组,通过适当选取步长,算法具有多项式计算复杂性。     

弧搜索内点算法

利用弧搜索内点算法对线性规划问题进行求解, 得到该算法的多项式复杂度为O(n^3/4L). 该算法在中心路径的一个宽邻域内, 沿椭圆近似寻找线性规划的最优解. 数值实验表明了该算法的有效性.     

线性规划中几种内点算法的比较

该文是关于内点算法的一篇综述,对几种较为实用的求解线性规划问题的算法进行总结,包括单纯形法、椭球算法、Karmarkar算法、原仿射尺度算法等,并对这些算法进行比较。     

基于不可行内点算法的几何规划优化方法

提出了一种优化算法,用以解决古典正项式原－对偶几何规划问题．在一般假设下,该方法应用原－对偶不可行算法,在一类特殊的受摄动ＫＫＴ 系统中定义了一条原－对偶不可行路径,对于每个规划,都产生一个次可行解,规划问题的原－对偶目标函数值最后分别收敛到原－对偶规划值．算法迭代次数少,还不受几何规划问题艰度大小的限制．文中利用对数转换后目标函数Ｈｅｓｓｉａｎ 矩阵的特殊结构,讨论了算法实现问题．算法效果得到实例计算验证     

无约束优化的过滤器线性搜索

构造了一种求解无约束优化的过滤器线性搜索的新方法,结合了过滤器算法的思想,其搜索方向由牛顿法产生。在新的迭代点产生时,采用过滤器算法的原则来判断该点是否被接受。并且在合理的假设下,全局和局部是二次收敛的。     

一种求解多目标优化问题的混合演化算法

提出了一种混合演化算法求解多目标优化问题.演化算法是解决多目标优化问题的有效方法,在全局优化问题中具有很好的鲁棒性,但其局部搜索性能有待改善.Hooke and Jeeves方法是一经典的局部搜索算法,将其与演化算法结合求解多目标优化问题,提高了解的收敛质量,因而从整体上提高了算法的性能,并且测试结果也说明了该算法的可行性.     

求解线性规划的一种Mehrotra型预估-矫正内点算法

提出了一种求解线性规划问题的Mehrotra型预估．矫正内点算法，并证明了算法的代数复杂度。     

一种共轭梯度算法的全局收敛性

本文提出了一种计算βk的新公式，即提出了一种新的共轭梯度法，证明了一种非精确线性搜索能够保证这种算法的下降性和全局收敛性．     

基于自适应免疫算法和预测-校正内点法的无功优化

针对电力系统无功优化问题,将自适应免疫算法（adaptive immtme algorithm,AIA）和预测-校正内点法相结合,提出了一种新的混合优化算法．先利用AIA进行大范围全局寻优,找到候选最优点,把它作为内点法的初始可行点,再通过预测-校正内点法在初始可行点的邻域内进行局部的确定性搜索,提高解的精度和速度;在此基础上,根据对偶间隙的变化过程,提出了对中心参数及相应障碍参数的改进选择方法,有效地避免了数值振荡,使计算精度及收敛速度均得到明显改善．将上述方法用于IEEE14节点系统,计算时间为2．0s,优化后网损下降2．27％;而用于IEEE118节点系统,计算时间为322s,优化后网损下降14．29％．这表明本文所提出的算法在计算速度和精度上较其他方法均有明显改进．     

半定规划的原始-对偶不可行内点算法

对于半定规划问题,通过构造适当的搜索方向,给出了一个原始-对偶不可行内点算法.证明了该算法经过有限步迭代后,或者在某个较大的区域得到问题的一个近似最优解,或者说明问题在该区域内无解.     

基于原—对偶内点法的二次电压—无功功率优化

基于原－对偶内点法对电力系统的电压－无功优化问题进行了分析,首先对原－对偶内点法进行了扩展,使之能处理电压－无功优化控制中大量不等式约束;此外,提出了一种新的壁垒参数和步长的控制策略,并采用了一种有效的预测－校正方法来提高算法的收敛速度。实际电网中优化计算表明,原－对偶内点法可有效地解决大规模电网的电压－无功优化问题。     

有界变量与线性等式约束优化的信赖域内点算法

提出一种既有界变量又有线性等式约束的非线性优化问题的信赖域内点算法,在合理的条件下所提供的算法不仅具有整体收敛性而且保持局部收敛速率。数值计算结果说明算法的有效性。     

凸规划的一种对偶内点算法

将带有不等式约束的凸规划问题转化为拉格朗日对偶问题,构造了一种求解凸规划的偶内点算法,证明了在不存在对偶差的情况下,当对偶变量序列收敛到对偶问题最优解时,原始变量序列收敛于原始问题的最优解。     

基于辅助问题原理及内点法的分区并行最优潮流算法

针对大电网在最优化问题计算中存在计算时间长、矩阵维数高等问题，按照电力系统的实际地理分布，在某些联络线处将整个电网分解为多个相对独立的子系统，子系统问通过边界节点产生的约束条件进行协调，建立了一个基于辅助问题原理（APP）的多分区并行最优潮流计算模型．应用APP方法，将大电网最优潮流问题转化为多个规模相对较小子系统的并行协调优化问题，在每个子系统中采用跟踪中心轨迹内点法求解子系统的优化问题．测试算例的计算结果表明，该算法减少了整个问题的矩阵维数，降低了问题的求解难度，具有较强的收敛性、快速性和实用性．     

线性规划的原-对偶内点算法数值实验初步

利用原-对偶内点算法的思想,初步给出了该算法的数值例子,对已有结果做了一个重要的补充。     

非单调线搜索解线性约束优化的信赖域内点算法

提供了求解线性约束的非线性优化问题的非单调信赖域内点算法，在合理的条件下，证明了算法的整体收敛性，并且在最优解局部范围内获得单位步长的可接受性，从而保证了局部超线性收敛速率。     

基于混合优化算法的最大功率点追踪方法

针对部分阴影条件下粒子群优化（PSO）算法追踪最大功率点时间较长与功率波动大的问题,提出一种基于万有引力与粒子群混合优化(GPSHO)算法的最大功率点追踪（MPPT）方法。该方法将万有引力搜索算法引入粒子群算法,在迭代过程中通过调节PSO算法的惯性权重、认知因子和社会因子提高算法的收敛速度,实现追踪全局最大功率点。仿真与实验结果表明:该方法能够在不同光照情况下精准地追踪全局最大功率点,其搜索速度大约比基于自适应惯性权重粒子群(APSO)算法的MPPT方法快１倍,功率振荡亦更小。