线性比式和分式规划问题的分支定界算法

针对线性比式和问题(P)提出一种新的分支定界算法,并进行数值验证.该算法把问题转换成等价问题,并利用线性松弛技术建立问题的松弛线性规划,从而将原始的非凸规划问题归结为一系列线性规划问题,通过可行域的连续细分以及求解一系列线性松弛规划,得出的算法收敛到问题(P)的全局最优解.数值算例结果表明算法是可行有效的.     

求非凸二次规划全局最优解的分解线性化方法

对非凸二次规划(QP)问题提出新的确定性全局优化算法,该算法先对目标函数进行分解得到可分的等价问题,再根据相应函数的线性下估计建立原非凸二次规划的线性松弛规划,同时在分枝定界方法中使用区域删减准则来加速算法的收敛性.理论分析和数值计算表明提出的算法是收敛且有效的.     

一类线性比式和问题的全局优化算法

对许多工程设计中常用的一类带常系数线性比式和问题(P)提出一确定性全局优化算法.该算法利用等价问题和线性化技术,建立了问题(P)的松弛线性规划(RLP),从而将原非凸问题(P)的求解过程转化为求解一系列线性规划问题(RLP),通过可行域的连续细分以及求解一系列线性规划,提出的分枝定界算法收敛到问题(P)的全局最优解,且数值实验表明了算法的可行性.     

一类非凸规划的分支定界算法

针对一类非凸规划问题(NP)提出有效的分支定界算法.首先,利用目标函数的特性将其转化为等价的极小化问题(P),通过对其可行域的细分和求解一系列凸规划问题,不断更新(NP)全局最优值的上下界.为提高计算效率,一个问题的最优解作为下一个问题的初始解,并提出了新的删除技术.理论上证明该算法是收敛的,数值试验结果表明算法是有效可行的.     

一类广义多乘积和规划问题的全局优化算法

提出了一类广义多乘积规划问题 （ P ）的一种确定性算法,并用其求解该类多乘积规划问题的全局最优解. 首先,利用等价变换以及线性松弛级数,建立等价问题 （ Q ）的松弛线性规划 （ RLP ）,并给出了分支缩减方法;然后,运用分支定界方法,给出确定性全局优化算法求解等价问题 （ Q ）,算法的收敛性证明以及数值算例的结果说明了该算法是可行的.     

带系数线性比式和问题的全局优化方法(英文)

对带系数的线性比式和问题(P)提出一确定性全局优化算法.利用等价问题和线性化技术给出了问题(P)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,提出的分枝定界算法收敛问题(P)全局最优解.最终数值实验表明了提出方法的可行性.     

具有补偿的两阶段随机二阶锥规划问题的一个等价形式

确定的二阶锥规划(DSOCP)是一类凸优化问题,为处理DSOCP的数据的不确定性,具有补偿的随机二阶锥规划问题备受关注.有许多重要的实际问题,如随机欧几里得设施位置问题、具有损失风险约束的投资组合优化问题、最优覆盖随机椭球问题等均可建模为具有补偿的随机二阶锥规划问题,有效求解方法多为内点法.讨论具有补偿的随机两阶段二阶锥规划问题,在Slater约束规范条件下,探讨了第二阶段问题的对偶问题及最优值函数的次微分性质,在随机变量的概率分布具有有限支撑的条件下,给出了两阶段随机二阶锥规划问题的一个等价的线性二阶锥规划问题.     

线性比式和问题的全局优化算法

为求解线性分式规划问题(P),提出一个分枝定界算法.首先通过转化技巧,导出问题(P)的等价问题(Q),然后利用线性化方法,得到(Q)的线性松弛规划问题(RLP).从而,初始非凸规划问题归结为一系列线性规划问题的求解.数值试验表明算法是可行的.     

一类优化问题的确定性算法

对广泛应用于工程设计中的一类线性比式和问题(P)提出了一确定性全局优化算法,利用等价问题和新的线性化技术给出了问题(P)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,提出分枝定界算法收敛到问题(P)的全局最优解,最终数值实验表明所提方法的可行性.     

线性分式和规划问题的全局优化算法

提出一种求解线性分式和规划问题的分支定界算法.该算法首先利用等价转换技巧构造出原问题的等价问题,然后通过凹凸性包络技术建立等价问题中目标函数与约束函数的下逼近函数,得到其线性松弛规划,从而将原来的非凸规划问题转化为一系列线性规划问题,以确定原问题最优值的下界.从理论上证明了算法的收敛性,并用数值试验验证了算法的可行性和有效性.     

改进的随机聚点搜索算法及其在分子对接问题中的应用

提出改进的随机聚点搜索算法,设计了新的接受几率并采取了算法加速措施,对分子对接问题进行了计算检验。结果表明,改进后的算法计算速度和搜索效率都明显优于Ｓｔａｎｔｏｎ等人提出的方法。     

求不定二次规划问题全局解的新的分支定界算法

提出了求解不定二次规划问题一个新的分支定界算法.利用D.C.分解和正定阵的Cholesky分解把问题转化为可分离形式,并导出Lagrangian对偶界,给出基于Lagrangian对偶界和矩形对分的分支定界算法,同时给出初步数值实验结果.     

不等式约束极大极小问题一个新的（ε,δ）-广义投影可行方向法

结合Armjio线搜索和（ε,δ）-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的（ε,δ）-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。     

求解二次锥规划问题的非精确光滑算法

针对大规模二次锥规划问题提出一种非精确光滑算法.  该算法允许搜索方向有一定的误差, 在选择步长时采用非单调线性搜索策略. 证明了从任意点出发能得到算法的局部二次收敛速率.     

量化子空间分布隐马尔可夫模型的间接训练

研究了量化子空间分布隐马尔可夫模型(quantized subspace distribution hidden markov model，QSDHMM)间接训练所涉及的三个关键的问题：连续分布隐马尔可夫模型(continuous distribution hidden markov model，CDHMM)的训练、特征子空间的划分和子空间高斯分布的量化方案。提出了相关特征子空间的定义及实现算法。在仿真实验中，采用基于分类学的：Bhattacharyya距离测度的K均值高斯聚类算法对子空间高斯分布进行量化，用最相关子空间的概念划分特征子空间，并将这两者结合使用，提高了系统的识别精度和速度。     

无线传感器网络中假设检验的传感器选择问题

无线传感器网络通常具有带宽限制和能量约束,这就涉及到传感器的选择问题,即如何在n个传感器中选取p个,使得仅由这p个传感器的观测进行假设检验时虚警率达到最小.这类问题已被证明是NP难的.本文将该问题松弛成一个易处理的新问题,并提出了一个可以达到新问题KKT点的高效算法.通过与已有的算法比较复杂度,本文提出的算法效率更高.同时仿真结果也表明,大多数情况下我们提出的算法均可达到全局最优解.     

无约束优化中新的Rosenbrock型算法

在Rosenbrock原始算法的基础上,提出一种新的构造正交方向的方法,并由此产生一种新的Rosenbrock型算法,新算法具有全局收敛性．数值试验表明,新的Rosenbrock型算法切实可行,且就某些算法而言要优于原始的Rosenbrock算法．     

基于压缩感知的频率不变波束旁瓣水平优化方法

频率不变波束形成技术属于恒定束宽波束形成,能解决宽带信号中不同频率分量对应的波束响应不一致的问题.针对现有的一类将恒定主瓣宽度作为约束条件的频率不变波束形成方法,当阵元个数确定以后,形成的波束旁瓣水平往往达不到实际需求的问题,借助压缩感知理论,提出了一种改善波束旁瓣水平的新方法.提出的方法引入压缩感知理论(compressed sensing,CS)进行信号的预处理,并利用二阶锥规划(second order cone programming,SOCP)进行频率不变波束形成.由于压缩感知的恢复算法可以对压缩采样矩阵采集的信号进行精确重构,从而达到以更少的阵元获得相同的波束形成器性能.换言之,在相同的阵元个数条件下,通过阵列虚拟扩展增大了阵列的孔径,提出的方法比基于SOCP的频率不变波束形成方法有更低的旁瓣水平,仿真结果也表明了该方法的有效性,在相关的工程实践中具有一定的参考价值.     

一个确定性的全局优化算法

对广泛应用于工程中一类比式规划问题(P1)给出了一个确定性全局优化算法.通过利用线性化技术,建立了问题(P1)的等价问题(P2)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,提出的算法收敛到问题(P1)的全局最优解.最终数值实验表明了提出方法的可行性.