精确一维搜索下几种共轭梯度法的分析比较

共轭梯度法是求解无约束非线性规划问题的一种重要方法.针对的几种计算公式,通过几个典型计算实例,对精确一维搜索下所述几种β_k的几种计算公式所决定的算法的收敛效果进行比较,分析了它们的数值计算过程、收敛速度及全局收敛性的优劣.     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

BFGS和DFP法的最优化问题求解及在MATLAB中的实现

对拟Newton方法中的DFP算法和BFGS算法进行了探讨,借助matlab软件中fminsearch和fminunc函数,利用BFGS方法和DFP方法对非线性无约束优化问题进行了仿真研究,结果表明利用matlab软件解答非线性无约束优化问题获得了好的效果,为数学工作者求解非线性无约束优化问题提供了一种新的方法．     

一类求解极小极大问题的算法

无约束非线性极小极大问题是最优化数值计算领域中十分活跃的研究课题之一,因此,对于无约束非线性极小极大问题,如何设计快速有效的算法一直都是优化工作者十分关心的问题.文中介绍了无约束非线性极小极大问题算法的研究意义及应用领域,分析了现有极小极大问题算法的研究现状,针对极大值函数的特性,给出了极大值函数的次梯度与ε次梯度之间及极大值函数的次梯度的凸锥与次梯度之间的一种包含关系,得到了计算极大值函数的ε次梯度的数值方法,从而构造出了一种求解极小极大问题的ε-算法,并且证明了算法的收敛性,初步的数值例子表明算法是有效的,且具有大范围收敛的特点.     

求解奇异非线性方程组的粒子群优化算法

奇异非线性方程组是一类十分重要也比较困难的问题,基于粒子群优化算法提出了一种求解奇异非线性方程组的新方法.先把奇异非线性方程组转化为无约束优化问题,然后与人工智能算法相结合,利用标准粒子群优化算法求解.此算法不但不受方程组的连续性、光滑性的限制,而且避免了大量的求导计算,得到了极为精确的数值解.数值仿真结果显示了算法的有效性和可行性.该方法为求解奇异非线性方程组提供了一种有效、可行的新算法,也扩大了粒子群算法的应用领域.     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

求解对称矩阵最大特征值的Barzilai-Borwein法

高维对称矩阵最大特征问题的求解是数学界中比较关注的问题之一。文章采用无约束优化方法进行求解,设计了非单调搜索的Barzilai-Borwein（BB）算法,数值算例显示该算法比单调线搜索最速下降法迭代次数更少,收敛速度快且相对误差小的良好计算性能。     

一个改进的求无约束优化问题的BFGS方法

本文对求解无约束优化问题的BFGS方法进行了改进,改进的算法同样具有整体收敛和超线性收敛特性。并对算法进行了数值检验,其数值结果表明,算法的收敛速度比原方法要快。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

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.