约束全局最优化的一种新的辅助函数法

对于非凸的约束优化问题,如何从一个局部极小点获得全局极小点,这是一个重要的问题。在本文中,作者构造了一种超越当前局部极小点的平稳点函数,并给出了相应的全局下降算法,并且由此得出约束全局优化问题的一个全局极小点。利用本文中的全局下降算法,仅仅搜索原约束优化问题的局部极小点以及通过给定的平稳点函数构造一些无约束优化问题就能够获得约束优化问题的一个全局极小点。数值实验的计算结果均比已有文献所计算的最优值更好,证明本文提出的这种全局下降法是非常有效的。     

无约束全局优化问题的两种新的辅助函数法

填充函数法、打洞函数法和平稳点函数法是目前比较常用的求解全局优化问题的辅助函数法。本文提出两种新的辅助函数法,用于求解一般非线性规划问题的全局最优解,它不仅结合了填充函数法和打洞函数法及其平稳点函数法的特点,同时又避免了它们的一些缺点（每次求解填充函数、打洞函数和平稳点函数的局部极小点以后,还需要重新求解原问题的局部极小点）,而新的辅助函数的局部极小点就是原问题的局部极小点,不需要再求原问题的局部极小点。     

无约束全局优化问题的两种新的辅助函数法

填充函数法、打洞函数法和平稳点函数法是目前比较常用的求解全局优化问题的辅助函数法。本文提出两种新的辅助函数法,用于求解一般非线性规划问题的全局最优解,它不仅结合了填充函数法和打洞函数法及其平稳点函数法的特点,同时又避免了它们的一些缺点(每次求解填充函数、打洞函数和平稳点函数的局部极小点以后,还需要重新求解原问题的局部极小点),而新的辅助函数的局部极小点就是原问题的局部极小点,不需要再求原问题的局部极小点。
     

无约束全局最优化的一种新的辅助函数法 (三峡地区资源环境生态研究)

对无约束全局最优化问题提出一种新的平稳点函数法和拟平稳点函数法,通过实现一系列局部极小化来获得问题的全局极小。这种求解过程由局部极小化的两阶段循环组成:第一阶段对原目标函数执行局部极小化;第二阶段对提出的这种新的平稳点函数或拟平稳点函数执行极小化,同时使得原目标函数下降。最后通过举例,并运用Matlab7.11进行数值计算,结果表明:本文提出的新的平稳点函数法和拟平稳点函数法是非常有效的。     

用变换函数解带线性约束的全局最优问题

结合变换函数方法和下降算法对目标函数有多个极值点且带有线性约束的非线性规划全局问题提出算法.使用的变换函数兼具填充函数和打洞函数的特点.在理论上证明如果当前局部极小点不是全局最优解,一定存在一个变换函数的极小点使得该点的目标函数值小于当前局部极小点的函数值,且该点位于原问题的可行域内.以此点为初始点求解原问题可得到更好的局部极小点.     

无约束全局最优化的一种新的辅助函数法

对无约束全局最优化问题提出一种新的平稳点函数法和拟平稳点函数法,通过实现一系列局部极小化来获得问题的全局极小。这种求解过程由局部极小化的两阶段循环组成:第一阶段对原目标函数执行局部极小化;第二阶段对提出的这种新的平稳点函数或拟平稳点函数执行极小化,同时使得原目标函数下降。最后通过举例,并运用Matlab7.11进行数值计算,结果表明:本文提出的新的平稳点函数法和拟平稳点函数法是非常有效的。     

旋转曲面变换PSO算法估计纹理图像MRF参数

快速准确地估计马尔可夫随机场的参数，通过拟似然函数可以将其参数估计转化为一个寻找全局极值的问题．粒子群优化算法应用于多极值点函数优化时，存在陷入局部极小点和搜寻效率低的问题．为此提出旋转曲面变换方法，将被优化函数映射到一个同胚曲面上，它将当前局部极小点变换为全局最大点，并保持被优化函数值在当前局部极小点以下部分的形状不变，从而克服陷入局部极小点问题．利用旋转曲面变换粒子群优化算法对充满局部极小点的目标函数求全局极值．用Gibbs采样器生成的纹理图像实验结果表明，利用这种方法估计马尔可夫随机场参数效果较好．     

无约束优化的一个组合算法

将最速下降法与Newton法有机地结合起来,构造了无约束优化问题的一种组合迭代算法,并证明了算法的全局收敛性.该组合算法既继承了Newton法在极小点附近的快速收敛性,又解决了最速下降法难以求解的问题.     

求解混合约束极大极小问题的精确光滑罚函数法

提出一个新的精确光滑罚函数法求解混合约束极大极小问题,通过引入一个新变量,将带混合约束的极大极小问题转化为等价的无约束优化问题,证明在合理的假设条件下,罚问题的极小点就是原问题的极小点,数值实验表明新算法是求解带混合约束的极大极小问题的一种有效算法.     

无约束连续全局优化的一个无参数变换函数算法

针对无约束连续全局优化问题,提出了一个无参数变换函数,在讨论该变换函数性质的基础上,给出了求解无约束连续全局优化问题的一个无参数变换函数算法。利用Matlab编程进行了数值试验,其数值计算结果表明:该算法是可行和有效的,并且该算法能够判定原问题当前极小点的全局性及类别。