一种极小化两个凸函数之和的混合近似邻近点算法

本文提出一种混合近似邻近点算法以求解极小化两个凸函数之和的无约束优化问题。通过将邻近点算法中的优化问题转化为一系列极小化近似函数的子问题来求解,以得到此优化问题的最优解。在子问题中用线性模型来取代原问题目标函数中非线性程度较低的函数,而在下一个子问题中,用二次模型来取代非线性程度较高的函数,进行交替运算。在临近点算法的框架下,求出原问题的解。最后给出3个算例以说明本文所给出的算法是有效的。     

解一类复合非光滑极小化问题的拟牛顿型算法

本文讨论极小化由凸泛函和光滑算子复合而成的目标函数的数值方法,给出了旨在求上述问题的一个平稳点的拟牛顿型算法,它将原问题转化为求解一系列约束凸极小化问题的近似解.在适当的条件下算法具有全局收敛性,当目标函数满足增长条件时算法有超线性的敛速.     

基于一种新的γ-扩张凹极小化问题的割平面算法

首先,介绍凹极小化问题的有关内容及割平面算法的思想.然后,给出一种变上限函数积分法,并利用该积分法来求解凹极小化过程中γ-扩张的γ数.新算法在有限步内得到原问题的一个近似最优解,且算法的近似最优解为全局最优解.最后,通过数值试验证明了新算法是可行有效的。     

关于基于近似次梯度的非光滑优化束方法的对偶问题的研究

利用目标函数值和近似次梯度,构建了非光滑无约束优化问题目标函数的一个下近似模型,通过对该近似模型取极小寻找下一个可能使目标函数值下降的试探点.利用Lagrange函数写出了原近似问题的对偶问题,揭示了原近似问题的最优解与对偶问题最优解之间的关系,并进一步分析了相应的近似次梯度的某种凸组合与目标函数在当前迭代点的次微分以及目标函数的近似模型在当前迭代点的近似次微分之间的所属关系.所得结果为原近似问题的求解开辟了新思路,也使整个外层束方法的执行变得简单易行.     

一类非光滑优化问题的邻近交替方向法

非光滑优化问题在现实生活中有着广泛应用.针对一类带有结构特征为两个连续凸函数与具有Lipschitz梯度的二次可微函数的和的无约束非光滑非凸优化问题,给出了一种邻近交替方向法,称之为二次上界逼近算法.该算法结合交替方向法与邻近点算法的思想,将上述优化问题转化为平行的子问题.在求解子问题的过程中,对目标函数中的光滑部分线性化,此时子问题被转化为凸优化问题.然后分别对两个凸优化子问题交替利用邻近点算法求解.基于以上思想,首先我们给出算法的伪代码,然后建立了算法收敛性的充分条件,最后证明在该条件下,算法产生迭代序列的每个极限点是原问题的临界点.     

随机二阶锥互补约束优化模型的一般光滑化SAA方法

讨论一般随机二阶锥互补约束问题的求解算法.为处理模型中的不确定性，算法采用样本平均近似(SAA)抽样技术.不同于之前的工作，设计了一般光滑化SAA算法框架，可以在满足要求的一类光滑化函数中根据需要进行选择，从而构造光滑化SAA算法，并保证收敛性.具体的，若SOCMPCC线性无关约束规范等条件成立，则算法构造子问题的稳定点和最优解分别以概率1收敛到原问题的C稳定点和最优解.最后具体给出两个光滑化函数与其对应光滑化SAA算法的例子，由一般光滑化算法框架可得这两种算法收敛.     

热传导界面问题的一种神经网络算法

本文讨论了一种单隐层神经网络算法在数值求解热传导界面问题中的应用。该算法设定含有神经网络函数的近似解满足初边值条件和Dirichlet 界面条件,通过求解由原方程导出的关于神经网络权重的离散优化问题来训练近似解中的神经网络,以使近似解逼近真解。文中也给出了一种基于随机梯度法思想的类随机梯度法来求解相应的离散优化问题。数值算例验证了算法的有效性。     

随机线性二阶锥互补问题的实值隐拉格朗日法

为探讨随机二阶锥互补问题的求解方法,利用实值隐拉格朗日法求解随机线性二阶锥互补问题。通过借助于对称锥互补问题中实值隐拉格朗日函数和随机问题的期望残差极小化方法,探讨所得问题解的存在性。由于期望残差极小化模型的目标函数中含有数学期望,故利用蒙特卡罗法对该问题进行近似。证得近似问题最优解序列是依概率1地收敛于期望残差极小化问题的最优解,并且近似问题稳定点序列是依概率1地收敛于期望残差极小化问题的稳定点,为随机二阶锥互补问题提供一种新的求解方法。     

大规模过程系统优化的序列界约束方法

基于非线性约束极小化的序列无约束方法,对大规模过程系统稳态优化的序列界约束方法进行了研究.该约束方法的罚函数只包含对等式和/或不等式约束的惩罚项,不包含对界约束的惩罚项,通过迭代求解一系列界约束极小化子问题而非无约束极小化子问题获得原问题的解;算法按2层结构实现,内层结构中主要求解界约束极小化子问题得到下一个迭代点,外层迭代主要修改乘子向量和罚向量以及检查收敛准则是否满足,重构下次迭代的界约束子问题,或在收敛准则满足时终止算法.此外,给出了求解界约束极小化子问题的修改截断Newton法,并用一类规模可变的约束优化问题和一类最优控制问题对所给方法进行了数值试验,试验结果表明,所给序列界约束方法是非常稳定和有效的.     

期望残差极小化方法求解一类随机混合均衡问题

【目的】研究有限维空间中的一类随机混合均衡问题。【方法】首先定义了混合均衡问题的正则化间隙函数,并研究了正则化间隙函数的一些可微性质;其次通过随机混合均衡问题的正则化间隙函数,将求解随机混合均衡问题转化为求解期望残差极小化模型。【结果】在一定条件下,通过样本平均近似方法得到了期望残差极小化模型的解。【结论】随机混合均衡问题的期望残差极小化模型的解存在并且唯一。