非光滑单值优化的信赖域算法

提供了求解非光滑单值优化问题的信赖域算法．基于线性规划的对偶理论,将目标函数的方向导数转化成线性规划,从而使信赖域子问题容易数值求解． 在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率．     

解半定规划的带筛子的正则化方法

研究了求解半定规划问题的一个带有筛子的正则化方法,该方法是基于经典的二次正则化方法,将半定规划问题转化为目标函数为凸的、可微的无约束优化问题。利用筛选信赖域方法来解这个无约束优化问题,并给出算法及其收敛性分析。     

求解线性约束规划问题的信赖域仿射尺度法

考虑到求解线性规划问题的仿射尺度法实际有效,但有时不具有全局收敛性,而求解无约束优化问题的信赖域法具有很好的全局收敛性,结合求解线性规划问题的仿射尺度法和求解无约束优化问题的信赖域法,给出了求解线性约束规划问题的一种信赖域仿射尺度法,并证明了该算法的收敛性,数值试验表明,所给方法是实际有效的。     

无约束优化的信赖域算法

提出了一种无约束优化问题的信赖域算法。根据原优化问题的二次近似模型,运用拟牛顿方向与最速下降方向之凸组合作为搜索方向,采用了新的策略。进行了收敛性分析,得到整体收敛及局部二次收敛性结果,并给出了算法的执行过程及算例。     

三项预处理共轭梯度法与信赖域子问题

信赖域方法是解无约束优化问题的有效的和可靠的方法,共轭梯度法由于不需要矩阵计算和存贮,成了解问题的首选方法,在本文中,我们提出了信赖域子问题的三项预处理共轭梯度法,并将这个方法嵌入解大型最优化问题的信赖域算法中,文章讨论了方法的特性,证明了方法的总体收敛性质,并给出了有限的数值试验。     

求解一类地球物理反问题的一种信赖域方法

针对常见地球物理反问题的不适定性,本文研究地球物理领域中经过对数学模型的处理最终为病态线性方程组的问题。应用目前流行的信赖域算法,并用带有信赖域技巧的截断共扼梯度法来解信赖域子问题。该方法是一种迭代正则化方法,它具有自动调节正则化参数的功能,克服了常用的Tikhonov正则化方法中正则化参数求取的困难。本文给出了一定条件下方法的收敛性证明,理论和实际资料的试算表明了算法的正确有效性,从而可以解决这类地球物理反问题。     

无约束非光滑优化的信赖域算法

提出了一个处理无约束非光滑优化问题的信赖域算法.它仅要求目标函数是下半连续的,而不是光滑的,或凸的,或局部Lipschitzian的,从而扩大了信赖域方法的使用范围.同时文中还证明了该算法产生的序列的每一个聚点都是原问题的临界点.     

一类不可微凸规划的信赖域算法(英文)

提出了求解一类不可微凸规划的信赖域算法，该算法不满足有关文献中的假定，证明了算法的全局收敛性。     

非线性等式约束分解信赖域算法(Ⅰ)

本文采用分解、合成的思想,求解非线性等式约束优化问题,第一节,介绍了算法的发展;第二节,利用Fletcher罚函数,给出本文使用的两个算法:通常信赖域算法,非单调信赖域算法。非单调信赖域算法是通常信赖域算法的推广,算法实践表明:非单调信赖域算法更具优越性,开始受到充分重视。     

线性约束多目标规划的非单调信赖域算法

构造了一个解线性约束多目标优化问题的数值算法，该算法把一种非单调技巧与信赖域方法结合起来，从理论上分析，在一般条件下，算法全局收敛于问题的K—T点。     

浅谈序列二次规划方法及其相容性问题的处理

讨论了序列二次规划方法解决约束优化问题的三类方法,Wilson方法,Wilson-Han方法和WHP方法,并针对SQP-信赖域子问题相容性提出了四种解决方案,从而在很大程度上避免了子问题相容性对算法带来的影响。     

基于简单二次函数模型的非单调自适应信赖域算法

基于简单二次函数模型,结合非单调技术和自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法,并在适当的条件下,证明了算法的全局收敛性和超线性收敛性.理论分析算法是有效的,适合求解大规模问题.     

无约束正定几何规划的一种优化算法

对于正定几何规划,我们充分利用了几何规划的特殊性,在求解非线性等式约束的信赖域算法的启发下,建立了一种新的算法,并在相对弱的条件下,我们证明了这种算法的全局收敛性.     

一种修正的三项PRP共轭梯度法

为了更有效求解一类大规模无约束优化问题,克服其他算法普遍存在的算法较为复杂,存储量大和计算机编程难等不足,在传统三项PRP共轭梯度法的基础上,结合近年来关于三项共轭梯度法和新型线搜索的研究成果,定义了一种新的搜索方向,并采用一种新型的线搜索构建了算法,证明了其具有自动充分下降和信赖域的性质,并在适当的条件下证明了其全局收敛性。数值试验结果表明,在求解一类大规模无约束优化问题上新算法比传统三项PRP共轭梯度法更具有竞争性。具有良好收敛性质的新算法为解决一类求解大规模无约束优化问题提供了更高效的算法依据。     

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.     

二次比式和问题的全局优化方法

利用分枝定界算法,首先将问题(P1)转化为其等价问题(P2),然后利用线性化技术,建立了(P2)松弛线性规划问题(RLP),通过对(RLP)可行域的细分及求解一系列线性规划问题,不断更新(P2)的上下界,从理论上证明了算法的收敛性,数值实验表明了算法的可行性和有效性.     

无约束正定几何规划的一种优化算法

对正定几何规划充分利用几何规划的特殊性,在求解非线性等式约束的信赖域算法的启发下,建立了一种新的算法,并在相对弱的条件下,证明了这种算法的全局收敛性。     

解无约束优化问题的一个新的非单调信赖域算法

在传统信赖域方法的基础上,提出了求解无约束最优化问题的一个新的带非单调线搜索的信赖域算法.该算法采用非单调Wolfe线搜索技术获得迭代步长,新算法在每一迭代步只需求解一次信赖域子问题,克服了每次迭代求解信赖域子问题时计算量较大的缺点.在一定条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

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。     

一个与信籁域搜索技术相结合的微粒群算法

微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).