全局优化方法在最优控制中的应用

利用球约束下的全局优化的Canonical对偶方法得到了一类最优控制问题的离散解.首先经过一系列数学处理得到与原问题相应的球约束下的全局优化问题,然后利用Canonical正则空间上的微分系统方法寻找全局最优解.最后应用该方法求解两个例子.     

一类非线性优化的Canonical对偶函数

研究如何获取球体约束下非线性优化的全局最小点.通过引入常微分方程和构造Canonical对偶函数的局部形式,引入了相应的对偶定理,勾勒出了原问题的KKT点和对偶问题的KKT点两者之间的关系.给出了凸乘子定义,对偶定理和搜寻全局最优点的方法,并通过一些例子加以演示.     

一类多项式全局优化的差分算法

引入一类n元多项式的倒向微分流以求解全局优化问题.沿着倒向微分流,建立一个差分-牛顿混合算法,并证明了由算法所得迭代点的绝对误差受到差分步长的一致界囿.应用所建立的算法,给出了一个数值计算的例子.     

一类非线性比式和问题的全局优化算法

针对广泛应用于工程设计、非线性系统稳定性分析等实际问题中的一类非线性比式和问题(P)给出了一全局优化算法.利用问题(P)的等价问题(Q)和线性化技术,建立了问题(Q)的松弛线性规划(RLP),通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,从理论上证明了算法收敛到问题(P)的全局最优解.最后数值例子表明了本文算法的可行性.     

基于拉格朗日对偶的一类全局优化算法

针对带有非凸二次函数约束的非凸二次规划问题(NQP),提出了一个基于拉格朗日对偶的确定型全局优化算法,这类优化算法可广泛应用于工程设计和非线性系统的鲁棒稳定性分析等实际问题中.为求解此问题,首先,应用拉格朗日对偶对原问题进行下界估计.其次,为克服拉格朗日对偶问题的非凸性,利用线性化方法,得到拉格朗日对偶问题的线性下界估计,并且由此建立了NQP拉格朗日对偶问题的松弛线性规划(RLP).如此通过对RLP可行域的细分和一系列RLP的求解过程,从理论上证明了算法收敛到NQP的全局最优解.数值算例应用结果表明,该方法是可行的.     

向量优化问题的一类高阶对偶

Meetu在文献[1]中介绍了高阶锥凸、高阶（强）锥伪凸和高阶拟凸．本文在其研究的基础上,考虑目标函数是高阶锥伪凸、约束函数是高阶锥拟凸的情况,并给出弱极小、极小的充分性条件．此外,在高阶广义凸性的假设下,建立了一类高阶对偶模型的弱对偶和强对偶结果．     

一类多策略调参填充函数及其在全局优化问题中的应用

首先提出一类可以多策略调整参数的填充函数,并对其作理论分析;其次给出该类填充函数的多策略使用方法,获得了构造较好的填充函数应该采取的措施;最后,实际构造一个填充函数,数值仿真结果表明此设计理论不仅是有效的,而且还增强了现有的一些填充函数计算能力.     

一类多项式在二次曲面中的应用

一类多项式在二次曲面中的应用于纯孝（山东师范大学数学系，２５００１４，济南；５０岁，男，副教授）引理任意给定满足条件的实数α，则多项式在区间（－∞，０〕和〔１，α＿２〕内分别有且只有一个实根β＿１，β＿２．其中α≠０为实常数。定理１任意给定满足条件的...     

一类大规模系统的全局优化

讨论了可分非凸大规模系统的全局优化控制问题,提出一种三级递阶优化算法。该算法首先把原问题转化为可分的多目标优化问题,然后凸化非劣前沿,再从非劣解集中挑出原问题的全局最优解。建立了该算法的理论基础,证明了算法的收敛性。仿真结果表明该算法是有效的。     

一种线性比式和问题的对偶界方法

对一般线性比式和问题（P）提出了一种全局优化算法,此方法利用拉格朗日对偶中的弱对偶定理建立原问题（P）的线性松弛规划,运用分枝定界方法只需解一系列线性问题。从理论上证明了算法能收敛到线性比式和问题的全局最优解。数值计算结果表明提出的方法是可行的。     

带有二次约束的一般二次规划问题的松弛分枝定界方法

考虑带有二次约束的一般二次规划问题的求解，当约束条件为非凸二次函数时，对原问题中的某个二次约束进行凸二次松驰，或在原问题的约束条件中增加一个球约束，使得原问题的可行域包含在松驰二次规划问题的可行域内。采用椭球剖分策略剖分可行域为小 椭球，用投影次梯度算法解松驰二次规划问题的拉格朗日对偶问题，从而获得原问题的一个下界。原问题最优值的一个上界可从迭代过程中的可行点得到，并在迭代过程中得到调整。该算法或在原问题最优值的一个上下界相同时终止，得到原问题的整体最优解；或产生一无限序列，其任一聚点都是原问题的整体最优解。     

一类非线性比式和问题的对偶界方法

针对一类非线性比式和问题首次提出一种求其全局最优解的单纯形分枝定界算法.该算法利用La-grange对偶理论将原来的非线性非凸优化问题转化为一系列易于求解的线性规划.理论分析和数值算例均表明提出的算法是可行的.     

一类多乘积规划问题的对偶界方法

针对一类目标函数和约束函数都是多乘积的规划问题给出一种求其全局最优解的分支定界算法.该算法利用Lagrange对偶理论将其中关键的定界问题转化为一系列易于求解的线性规划,并且这些线性规划的规模固定不变,从而更容易应用到实际问题中.理论分析和数值算例表明提出的算法可行有效.     

线性两比式和的全局优化新算法

对线性两比式和这一非凸NP-困难的优化问题提出新的全局优化算法.首先把原问题等价地转化为一维参数优化问题.设计了巧妙的下界估计方法,在此基础上提出相应的分支定界算法,该算法最坏情况下可需要O(1/ε)迭代步以求得ε-近似全局最优解.数值结果表明,提出的新算法优于商业软件包BARON.此外,针对线性两比式和问题的一个具有隐凸性(等价于一个二阶锥规划)的应用特例,分支定界算法比基于CVX平台调用SDPT3求解相应的二阶锥规划等价模型效率更高.     

“对偶原理”在初等数论解题中的应用

探讨初等数论解题和证明中的和对偶、积对偶和整体对偶等对偶原理的运用,得到一些结果,并举一些例子。     

f—凸多目标最优化的对偶理论

基于ｆ—凸性概念,证明ｆｉ（ｘ）,ｇｊ（ｘ）,ｈｋ（ｘ）在具有某些ｆ－凸性的条件下,（ＶＰ）和（ＶＤ）这对多目标最优化问题的原问题和对偶问题的解之间具有的重要性质．