一般约束优化的信赖域方法

信赖域方法是求解非线性优化的一类重要方法,近几年来一直是研究的热点。目前把它应用于求解无约束和等式约束优化问题已取得了较好的效果。然而用于求解一般非线性约束问题却还不够成熟,实用的方法十分缺少。本文提出一个可供计算机实现,且有较强收敛性的一般约束优化信赖域算法。 在本文中,考虑问题(GNP)     

约束最优化一类非单调信赖域算法

其中f(x):R~n→R在闭凸集Ω上连续可微,对于约束最优化问题(cop),本文第一节提出一类非单调信赖域算法,第二节证明此算法的全局收敛性.第三节给出关于Cauchy点的结论.此算法中的非单调技巧不同于现有的非单调算法中的,即带线搜索的无约束、约束最优化的非单调算法,以及无约束最优化的非单调信赖域算法.     

基于平行因子分析的信源四维参数联合估计

提出了一种用于近场窄带信源频率、二维到达角及距离四维参数联合估计的新算法. 该方法将通常在数据域和子空间域应用的平行因子分析模型扩展至高阶累积量域, 利用计算的5个高阶累积量矩阵构造三面阵, 分析了该三面阵低秩分解的唯一性, 并从其分解得到的5 个对角阵中联合估计信源参数. 与现有方法相比, 该算法有效减小了阵列的孔径损失, 无须参数配对. 此外, 该算法还可用于远场和近场混合源的参数估计. 仿真结果表明该算法是有效的.     

论行政规划法律效力的变更与公民信赖利益保护

文章从行政规划的理论界定入手,对目前规划变更带来的公民信赖利益保护问题进行分析,并提出建议和可行的解决办法.     

论行政规划法律效力的变更与公民信赖利益保护

文章从行政规划的理论界定入手,对目前规划变更带来的公民信赖利益保护问题进行分析,并提出建议和可行的解决办法。     

一种优化的交错变网格有限差分法及其在井间声波中的应用

提出了一种优化交错变网格有限差分算法, 并在二维速度-应力关系的弹性波方程中实现. 利用频散关系守恒准则构造了四阶精度的差分算子, 该算法属于连续变网格方法, 不需要在精细网格和粗糙网格之间进行插值. 将优化算法的数值结果与解析解及八阶规则交错网格差分算法进行了比较, 验证了该算法的精度. 与基于Taylor展开的变网格有限差分算法比较可知, 优化算法的频散特性较好, 在数值模拟中可使用更粗糙的网格. 将提出的优化算法应用于复杂的井间声波模型. 该数值实例表明, 优化算法可以节省大量的计算内存和计算时间, 同时具有优良的稳定性.     

非线性最优化一个超线性收敛的序列方程组方法

本文考虑如下的优化问题:这里x=(x_1,…,x_n)∈E~n.对于问题(P),本文给出了一个超线性收敛的序列方程组算法.此算法与现有的序列二次规划(SQP)方法相比,具有以下三个重要的性质:(1)由于算法每一次迭代只需计算三个系数矩阵完全相同的线性方程组,因此算法每一次迭代的计算量要比现有的SQP方法大为减少;(2)算法每一次迭代产生的点都是可行的;(3)算法是一步超线性收敛的.     

论行政规划法律效力的变更与公民信赖利益保护

文章从行政规划的理论界定入手,对目前规划变更带来的公民信赖利益保护问题进行分析,并提出建议和可行的解决办法。     

一类无约束优化算法的摄动理论

许多求解非线性规划问题的算法,首先是对严格凸二次函数的无约束优化问题来推导,然后再推广来求解非二次问题,具有约束的问题,并在数字计算机上实现.由于在极小值点附近,非二次函数可以通过对二次函数进行摄动来产生,因此这些算法推广到非二次函数时的计算过程,可以看成为求解二次函数过程的摄动.当研究求解具有约束的问题和在计算机上的     

洞见Pollinators Symbiosis

<正>作品简介：以自然为形式的参数,以生长为材料的语言。作品以构建有生命的材料系统,打造有机蜂类传粉者栖息地为设计目标,旨在回应场地的发展需求,解决传粉者生存困境。本项目以中蜂生物学特性为立足点,从算法、形态、材料、场域等多角度反映以生物为中心的设计理念。算法上,结合城市CAD图及A*算法,模拟蜜蜂视角下的辐射地图,运用遗传算法对栖息地形态进行迭代优化以适应不同的附着环境;形态设计上,以空心树结构与蜂巢巢脾作为构造的参数,最大限度满足中蜂在生存环境与结构上的多样需求;材料方面,菌丝体复合材料是本项目研究的核心材料,质量轻且结构坚固,并具有良好的保温性和抗病毒性,能够为蜂群栖息地提供适宜的环境条件。     

模拟退火及紫外光谱法用于氨基酸多组分分析

模拟退火(SA)系寻找全局最优并能跨越局部最优的随机优化算法,它源于对高温物质的退火过程的模拟即在给定温度下对微观粒子(如原子)平衡的统计力学模拟.SA采用模拟算法及随机抽样;Kirkpatrick等深入研究了组合优化问题;Bohackevsky等提出了通用模拟退火(GSA)法;Kalivas等研究了GSA用于多元校正.本文将SA与GSA用于多组分分析,获得良好效果.     

Abel q-域的相对整基

记数域L及其一个子域K的整数环为O_L和O_K。如果O_L是自由O_(K~-)模,则称L/K有相对整基。Artin和Frhlich均提出和研究过数域的相对整基存在性问题。文献[2～5]等对双循环双二次域和四次循环域L研究了此问题。在文献[6～8]中,对四次循环域和Galois群为Gal(L/Q)≌(Z/qZ)~n的Abel域L,彻底解决了此问题(q为素数)。文献[9]研究了Galois群为(Z/q~sZ)~n的Abel域L。 有理数域Q的q幂次Abel扩张L称为Abel q-域,这里q为任意素数。对于L在其任一子域K上的相对整基存在性,以及相对判别式由一个有理数平方生成等问题,本文将系统发展上述有关结果。     

网络最优化中的一个扩容算法

提出了网络最小割集与网络瓶颈的关系。提出了解决网络瓶颈问题的一个优化容算法，并分析了算法复杂性，算法通过在给出了容量的网络中全局正向分段引入虚拟发点，构造扩容网络搜索全部最小割集；对于指定的网络最大流量，算法反向逐级计算各个最小割集弧组相应的调整量，通过增加调整最来重新布局各弧的容量，逐级回代直至恢复原网络拓扑结构，从而改善网络的通行能力，解决网络瓶颈问题。     

卫星热模型蒙特卡罗混合算法的修正方法应用研究

基于蒙特卡罗混合算法对地面试验状态下的一颗模拟热控星的热模型的修正进行了研究. 首先对热模型不确定参数进行了敏感性分析, 得到了卫星热控条件下的全局变量和局部变量; 进而将模型修正问题看作参数优化问题, 利用分层修正方法, 采用蒙特卡罗混合算法求解优化问题完成了热模型的修正. 结果显示, 多层当量发射率和涂层发射率是影响整星温度的全局变量, 而接触换热系数是局部变量; 修正后的热模型计算温度与试验温度的偏差全部在±3℃以内, 证明该方法优于传统方法, 完全满足卫星热模型修正的要求.     

蚁群算法的研究进展评述

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化系统,该算法采用分布式并行计算和正反馈机制,易于与其他方法结合,目前已经在众多组合优化领域中得到广泛应用。本文在介绍回顾蚁群算法发展历史的基础上,简要评述了部分具有代表性的蚁群算法改进模型及其应用情况,最后对蚁群算法在今后的研究方向作了展望。     

非线性极大极小问题的一个有效解法

一个非线性极大极小问题(A)通常表达为 minimizeφ(x)=max{f_i(x)},(1)式中F_i(x)一般为变量x∈R~(?)的光滑非线性函数,i=1,…,m。由于目标函数φ(x)是不可微的,故(A)是一个不可微的无约束优化问题,因此不能使用标准的无约束优化算法求解,通常将其化为下述等价的非线性规划问题(B):     

一种新的三维欧式距离变换方法及在数字岩心中的应用

针对目前距离变换方法在三维数字岩心中应用时,搜索方向多、计算数据量大、耗费时间多、占用内存大等问题,提出一种基于几何拓扑学理论中空间邻居关系的新的距离化搜索算法.根据岩石内部孔隙结构与二维平面欧式距离求解方法,引入一个三维空间距离游标进行辅助计算.相比现有方法,新的算法简化了邻居域欧式距离值的比较规则,避免了复杂的欧式距离结构体带来的大量运算,且算法复杂度低,可以被更好地理解和应用.本文详细叙述了算法的具体实现过程,并将该方法推广到具有缝洞特征碳酸盐岩数字岩心的孔隙空间分割工作中.结果表明该方法准确高效,对于油气藏孔隙级微观描述具有现实意义.     

受约束三维空间下油气集输系统布局优化

油气集输系统布局优化实质是一类受约束的三维网络拓扑优化问题,是组合优化中一类NP-hard难题,解决此类问题对减少油田建设投资、等效提高采收率、推动应用最优化理论的发展具有现实意义.为系统应对空间尺度下油气管网最优布局所存在的地形数据量庞大、决策变量众多、约束条件繁杂等优化难点,首先从随机地形限制、布站可行性、模型通用程度出发,以总建设费用最小为目标建立了受约束三维空间下油气集输系统布局优化数学模型;其次,基于表征地形的数字高程模型(digital elevation model, DEM),结合图论中的赋权有向图,提出了相向广度优先管道路径搜索算法,理论分析了其搜索管道路径的高效性;最后,引入具有全局搜索能力的混合粒子群-烟花(particle swarm-fireworks, PS-FW)算法,综合所提管道路径优化算法,构建了混合智能优化求解方法,并证明了其全局收敛性.研究结果表明,相较于现有理论方法,本文所建优化模型考虑因素全面、通用性好;所提管道路径搜索算法可以节约7/9的时间复杂度和空间复杂度,求解效率显著提高;所构建混合智能求解方法优化效果佳,能够以概率1收敛于全局最优解.     

协同快速退火演化算法识别蛋白质家族模体

将快速退火演化算法(fast annealing evolutionary algorithm, FAEA)与协同方法相结合, 提出了一种用于求解高维的全局优化问题的新方法——协同快速退火演化算法(cooperative fast annealing coevolutionary algorithm, CFACA). 首先将高维的解空间分解成多个一维的子空间, 再在每个子空间里利用单个独立的FAEA搜索该子空间里的最优子解, 最后将各子解结合在一起, 即构成了原来问题的一个解. 基准函数测试的结果表明, CFACA算法具有更快的收敛速度. 进一步用CFACA算法提取EGF蛋白质家族的模体, 正确识别率达到67.0%, 所提取的模体与蛋白质功能位点数据库PROSITE中的结果相吻合.     

自然进化机制对于系统优化的启迪

本文在分析比较仿狂随机搜索算法与传统优化算法的基础上,提出了仿生系统优化理论是未来系统优化理论的重要组成部分并构造了仿生系统优化理论框架。