全局最优化问题的全局最优性条件研究

给出了全局最优化问题的全局最优性条件并证明了相应的结论。     

变测度算法的最优性条件

郑权首先提出了求总极值的积分-水平集方法及其算法的最优性条件.此后,邬冬华等人给出了一种修正的积分-水平集算法及相应的最优性条件.在此基础上,该文提出一个变测度的积分 水平集概念性算法,并给出类似的最优性条件.     

从随机到确定性的积分型全局优化方法

郑权等于1978年提出了积分水平集求总极值的方法，其主要特点有判别总极值的收敛准则，但其概念算法与Monte-Carlo随机投点的实现算法不匹配，易遗失总极值外，其实现算法收敛性至今未解决．该文在张连生、邬冬华等提出的修正算法的基础上，将积分型方法中的Monte-Carlo随机投点与确定性的数论方法相结合，以提高修正算法的计算效率，并在文中给出了这种从随机到确定性的积分型全局优化方法全局收敛性的证明．     

B样条曲线全局插值优化算法及其实现

通过插值给定的数据点来创建B样条曲线时,需要对曲线的初始形状进行多次修改。为使首次生成的曲线更接近设计者的意图,从数据点参数化和确定节点矢量两个方面优化了现有算法。提出了一种改进的弦长参数化方法来求取给定数据点的对应参数值,改善了数据点急转弯处的过渡情况;通过平均值法确定节点矢量,有效避免了系数矩阵中奇异方程组的产生。总体上实现了一种B样条曲线全局插值的优化算法,最后对两组典型数据点的实验直观地验证了该算法的可行性。     

全局粒子群优化算法

针对粒子群优化算法在解决大维数的无约束优化问题时具有较差的收敛性和稳定性,提出了一种全局粒子群优化(GPSO)算法.GPSO算法引入了一种新的惯性权重,它被定义为一个指数型函数与一个随机数的乘积,这有利于维持算法的全局搜索和局部搜索.同时,GPSO算法对全局最优解进行了小的扰动,这可以有效地避免算法早熟.使用三种粒子群优化算法来解决6个无约束优化问题.仿真结果说明,与其他两种粒子群优化算法相比,GPSO算法具有更快的收敛速度和更强的逃离局部最优的能力.     

复杂工程问题全局优化算法研究

分析了遗传算法,模拟退火算法与神经网络等近年来广泛应用于复杂工程问题优化的全局优化算法各自的特点与其全局优化能力,指出如何针对其特点进行改进以达到更佳效果,深入研究了复杂工程问题优化的关键技术－目标函数与约束条件建立方法,最后,展望了全局优化算法与复杂工程问题优化技术的发展趋势。     

广义弧连通函数的全局最优性条件

介绍在弧连通集S Rn上的实值函数f:S→R是弧连通函数的定义,给出相关的广义弧连通函数概念.这类函数是凸函数的推广.它们满足确定的全局极值性.反过来,在某些条件下,满足全局极值性的函数必是这些广义函数类之一.     

分式优化问题的局部和全局最优性条件

借助Dinkelbach方法,将分式优化问题转化为约束优化问题;利用次微分性质,通过引入新的约束规范条件,等价刻画了分式优化问题的局部和全局最优性条件.     

集值优化问题的二阶最优性条件

本文提出了集值映射的一种二阶导数,并讨论了其相关性质.运用此二阶导数以及二阶相依导数,作者建立了实赋范空间中集值优化问题的二阶必要最优性条件;同时,在有限维赋范空间中,建立了集值优化问题的二阶充分最优性条件.     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题,传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题,该文采用多重参数化方法处理最优控制问题,非可微精确罚函数方法处理约束条件,引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性,优于遗传算法以及序列二次规划等经典优化算法。     

一种求有约束总极值的新途径

对有约束的全局最优化问题,通常的做法是用罚函数将有约束总极值问题转化为无约束总极值问题进行解决.该文采用一种新的思路,结合积分-水平集的优点,通过构造一个简单的新函数实现从有约束向无约束的转化,这种方法相比罚函数方法显得更为简洁,文中给出了相应的算法并证明了算法的收敛性.     

积分总极值方法在有界可测函数上的推广

1978年,郑权等提出了积分型求总极值的方法来解决求解全局最优解的问题,19 99年,邬冬华等对原郑权的方法作了一些改进,提出了修正的积分型求总极值方法.然而到 目前为止,积分总极值方法还仅限于定义域为闭集的连续函数.利用本质下确界的概念 以及勒贝格积分的特性,将积分总极值方法推广到了有界可测函数上,提出了针对有界可 测函数的理论算法,并给出了其最优性条件.     

全局智能优化集成算法研究

针对遗传算法、模拟退火算法等智能全局优化算法的集成问题开展研究,分析归纳了智能全局优化算法和局部搜索算法的一般规律和特性,给出了全局智能优化算法进行集成的统一框架--全局智能优化集成算法(IGIOA),及IGIOA的设计要素,还给出了评价算法的优化性能指标、时间性能指标、鲁棒性能指标,以及将三指标综合的综合性能指标,为智能集成算法的选取和性能比较提供了依据.     

混合优化算法的全局收敛性分析

目前混合优化算法主要是基于实验的经验分析,有关其全局收敛性的理论分析较少.基于单调有界序列的极限定理,从统一性角度提出并证明了混合优化算法全局收敛的多个充分条件,进而得到混合优化算法设计和分析的基本准则:采用独立运行的全局收敛子算法的混合优化算法是全局收敛的;采用周期性重启动或引入随机个体的策略在参与比较和保留精英的条件下可以保证改进型算法的全局收敛性;高效实用的混合优化算法应采用搜索效率较高的算法作为主体而以其他算法作为辅助策略.     

一种修正的求总极值的积分—水平集方法

1978年,郑权等给出了一个积分型求总极值的概念性算法及Monte-Carlo随机取点的实验途径,该文给 一种修正的求总有值的积发－－水平集方法,它有两个方面的特点：（1）每一步需构造一新函,而其与原目标函数具有相同的部极值;（2）避免了郑权算法在一般情况下,由于水平集不易求得而造成难以求出水平的困难,该文同样出了求总极的收敛准则。     

求总极值的一个实现算法

郑权等在“一个求总极值的方法”一文中给出了一个积分－水平集求总极值的概念性算法及Ｍｏｎｔｅ－Ｃａｒｌｏ随机投点的实现算法,给出了总极值存在的充分和必要条件,而实现算法由于用了Ｍｏｎｔｅ－Ｃａｒｌｏ随机投点的方法,其收敛性是一未解决的问题．本文在张连生等人的“积分－水平集总极值算法的另一实现途径”的基础上,利用数论中的一致分布佳点集列,较为简便得出“一个求总极值的方法”的概念性算法及“积分－水平集总极值算法的另一实现途径”的实现算法和算法终止准则．     

解全局优化问题的遗传算法的一些新进展

本文综述了求解全局最优化问题的遗传算法的一些新进展，提出了该方向进一步研究的问题。