求解单调线性互补问题的势下降内点算法

研究了单调线性互补问题的一种内点法,将牛顿方向和中心路径方向相结合,通过求解一个线性方程组得到搜索方向;在每次迭代中,寻找使得新的迭代点满足可行性要求且同时使得势函数值下降的步长参数,进而建立了求解单调线性互补问题的一种势下降内点算法,并证明该算法经过多项式次迭代之后收敛到原问题的一个最优解,数值实验表明此方法是有效的。     

仿射内点最优路径法解线性不等式约束的优化问题

提供了仿射内点回代技术的最优路径法解线性不等式约束的非线性优化问题，通过构造的最优路径得到搜索迭代方向，结合非单调内点回代线搜索技术获得可接受的步长因子，从而产生保证目标函数值非单调下降的严格内点可行迭代序列．基于最优路径的良好性质，证明了在合理的假设条件下，算法不仅具有整体收敛性而且保持超线性收敛速率．引入非单调技术能克服高度非线性的病态问题，加速收敛性进程，数值计算结果表明了算法的有效性．     

有界变量约束优化的非单调最优路径内点算法

采用最优路径结合非单调内点回代算法解有界变量约束的非线性优化问题．从构建的最优路径解二次模型获得迭代方向，通过线搜索获得步长因子以保证迭代点既落在严格可行域内，又能使目标函数产生足够下降，基于导出的最优路径的良好性质，在合理的假设下，证明了此算法不仅具有整体收敛性，而且保持局部超线性收敛速率．引入非单调技术将克服病态问题，从而加速收敛性进程．数值计算表明了算法的可行性和有效性．     

不可微最优化问题的随机增量次梯度方法

在Hilbert空间中不可微最优化问题的增量次梯度方法收敛性的基础上,研究随机的增量次梯度方法,这种方法每次迭代过程中,子迭代的搜索方向是随机给出的.本文主要研究的是具有缩减步长的随机增量次梯度方法的收敛性,证明这种方法产生的迭代点列拟Fejér收敛;迭代点列所对应的函数列收敛以及迭代点列弱收敛到某种形式的最优解集.     

线性不等式约束优化问题的仿射内点不定dogleg算法

使用仿射变换内点回代技术的不定dogleg算法解线性不等式约束的非线性优化问题．通过对构造的仿射不定dogleg路径进行搜索得到迭代方向，结合线搜索内点回代技术获得可接受的步长因子，产生保证目标函数值单调下降的严格内点可行迭代序列．在合理的假设条件下。给出了不定dogleg路径的良好性质，从而证明了算法不仅具有整体收敛性，而且保持超线性收敛速率．数值计算结果表明了算法的有效性．     

下降算法超线性收敛的特征

本文首先给出了一个点列收敛并且超线性收敛的充要条件。然后在目标函数一致凸并且其Hessian矩阵满足Lipschitz条件的假设下证明了由精确线性搜索或某种可实现的不精确线性搜索确定步长的下降算法产生的无穷点列{X~k}超线性收敛于目标函数的整体最优解的     

一种基于跳出局部最优机制的自适应响应面方法

【目的】针对昂贵黑箱函数优化问题提出一种能够更好平衡局部搜索和全局搜索的响应面方法。【方法】对径向基函数响应面约束优化算法进行了改进,首先增加了判断陷入局部最优的机制,然后引入填充函数方法辅助选择新采样点,进而利用新采样点跳出局部最优。【结果】在37个公开的全局优化算法测试问题上的数值实验表明,本文提出的基于填充函数跳出局部最优机制的自适应响应面算法能够收敛到更好的近似全局最优解。【结论】基于填充函数方法的局部最优解跳出机制能够提升算法的全局搜索能力。     

绝对值方程的一种严格可行内点算法

给出绝对值方程的一种新算法. 先把绝对值方程转化为线性互补问题, 再结合牛顿方向和中心路径方向, 通过求解一个线性方程组得到搜索方向.  获得了求解绝对值方程的一种严格可行内点算法, 并证明了该算法经过有限次迭代后收敛到原问题的一个最优解, 数值实验表明方法是有效的.     

一般二次规划的一种分解算法

提出了求解一般二次规划问题的一种分解迭代算法.算法的主要思想是对问题的Hessian矩阵G进行正则分裂,即G=N H并且满足N-H是正定的.在每次迭代中用一个易于求解的矩阵N代替G进行计算.在矩阵G是正定的条件下,算法具有线性收敛性质,产生的迭代点列收敛到原问题的最优解.当矩阵G不正定时,算法产生的点列收敛到问题的稳定点.     

非精确搜索一维全局最优化方法

研究一维全局最优化问题的确定性求解方法。运用逐次建立目标函数的线性下界函数,将不含全局最优解的子区域删除,并基于非精确搜索结合下降算法而得出非精确搜索一维全局最优化方法,使计算量减少且使迭代收敛加快。迭代结束时该算法得到一维全局最优化问题的ε－全局最优解。该方法具有有限收敛性且不需精确的局部优化过程。文中的数值实例表明该算法的有效性。     

改进的混沌优化算法及其在函数优化中的应用

针对基本混沌优化算法在求解三维以上的多维函数时不易求得全局最优解的局限性,通过引入解向量的优选,提出了一种改进的混沌优化算法,主要思路是通过多次可行解向量的混沌优选,将可行解定位到最优解的附近,再用二次载波进行搜索找出多维函数的全局最优解.仿真计算表明:该算法对三维以上函数可以显著提高搜索精度,收敛性能好,容易找到全局最优解.     

基于t-分布精英保留机制的花朵授粉算法

针对花朵授粉算法收敛精度不高,算法迭代后期收敛速度慢的缺陷,从全局搜索和局部搜索两个方面对算法进行改进。首先,在全局搜索时引入基于t-分布的精英概率保留机制,该策略通过设置一个精英概率保留参数,控制部分最优解信息能够保留进入到下一次迭代,并使用t-分布算子对保留的最优解的各维度实施扰动变异。其次,在算法的局部搜索时,使用高斯变异代替原算法的随机数扰动变异,提升局部搜索的稳定性。仿真实验结果表明,改进的算法比基本花朵授粉算法,在收敛精度和收敛速度上有提升,从而说明改进策略的可行性。     

基于正交试验设计的粒子群优化算法

针对粒子群优化(particle swarmopti mization,PSO)算法在进化初期收敛速度快但容易陷入局部最优、在进化后期收敛速度变慢且精度低的缺陷,为了提高粒子群算法的收敛速度和全局寻优能力,提出了基于正交试验设计的粒子群优化(orthogonal-experi mental-design-based PSO)算法.在基本粒子群算法的基础上,算法OE-PSO对当前搜索到的解进行局部寻优,利用正交试验设计对搜索空间的分布均匀性在可行解的领域选择有代表性的解进行测试.算法OE-PSO用搜索到的更好的解在下一次迭代中引导粒子进行搜索,从而获得更快的收敛速度和更精确的解,同时避免局部最优.实验结果表明,算法OE-PSO不但具有较快的收敛速度,而且能够有效提高解的精确性,增强算法的鲁棒性.     

猴王免疫进化算法

猴王遗传算法具有原理简单、易于计算的优点,但存在猴王点(最优个体)附近空间局部寻优能力弱,进而影响全局搜索能力的局限.通过引入免疫进化算法,对猴王点进行免疫进化迭代优化,使得既加大对最优个体附近解空间搜索的同时,也兼顾了对最优个体附近解空间以外区域的搜索,避免了不成熟收敛;且随着迭代的进行,局部搜索能力不断得到加强,算...     

非负线性最小二乘问题的一种严格可行内点算法

给出了非负线性最小二乘问题的一个新算法.首先,把非负线性最小二乘转化为线性互补问题,结合牛顿方向和中心路径方向,通过求解一个线性方程组得到搜索方向;进而获得了求解非负线性最小二乘问题的一种严格可行内点算法,并证明该算法经过多项式次迭代之后收敛到原问题的一个最优解,数值实验表明此方法是有效的.     

基于Alopex的进化优化算法

提出了一种基于Alopex的进化优化算法。该算法在进化过程中从种群中随机选择2个个体,通过计算2个个体和目标函数值的变化情况,确定算法进一步搜索方向的概率,逐步迭代最终收敛到全局最优。该算法具备基本进化算法的特点,同时具备Alopex算法的优点,即在一定程度上具有梯度下降法和模拟退火算法的优点。对典型函数的测试表明:新算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

序列线性方程组方法解约束SC1函数最小化问题

对不等式约束SC1函数最小化问题提出一个可行的序列线性方程组算法.算法的每步迭代,子问题只需解具有相同的系数矩阵的四个简化的线性方程组.这个算法的特点是产生的迭代点是可行的;只考虑指标在集合I的一个子集Ak中的约束函数;不需假定聚点的孤立性,就可证明算法产生的迭代点全局收敛到问题的KKT(库恩-塔克)点.在较弱条件下,证明算法是超线性收敛的.     

一种求解一维全局优化问题的重点取样统计模拟算法

针对无约束一维全局优化问题,提出一种基于重点取样的统计模拟算法,在原始积分水平集方法中引入交叉熵方法进行样本点选择,并在迭代过程中保留精英样本集.在最后的迭代中选取当前样本集对应的最小值点作为最优点.在一定条件下证明了算法收敛到问题的全局最优解.实验结果表明,所提算法采样效率更高,函数计算次数和运行时间比修正的纯自适应搜索方法更有优势.     

一种新的全局优化搜索算法--人口迁移算法(Ⅱ)

用概率论分析了新提出的求解函数全局优化问题的人口迁移算法的收敛性及动态特性。分析结果表明人口迁移算法依概率收敛到全局最优解。以找到问题全局最优解的概率为准则，给出了该算法工作在最坏情形时按迭代次数衡量的收敛速度估计，进而给出了该算法按给定概率收敛时的计算时间复杂性估计，即函数计算次数估计。     

对《SCDD》优化算法的进一步改进

本文在分析非线性规划《SCDD》算法的基础上,提出取消初始目标下降步长T_0,约束下降步长τ的人为选定或简单估算做法,采取由初始点X_0和一维搜索自动产生T_0和τ,使迭代点迅速到达目标函数值有所下降的可行域边界附近的措施,给出了提高最优解稳定性的方法。大大加快了计算的收敛速度,保证了所编程序的求解效率及解的可靠性。文中还以数学问题和机械设计问题为例,说明了本改进算法的优越性。