共查询到20条相似文献,搜索用时 265 毫秒
1.
提出了求解无约束化问题的一类新共轭下降算法,并在非精确线搜索下证明了该算法的全局收敛性,数值结果表有,这一算法是有效的。 相似文献
2.
允许卖空条件下组合证券投资模型的一个新算法 总被引:1,自引:1,他引:0
提出了求解高维组合证券投资模型的一种新算法,该方法将带约束的二次规划问题转化为无约束的线性最小二乘问题,能伙速求出其最优解,取得了较好的数值结果。 相似文献
3.
提出了一个求解退化约束优化问题的可行SQP算法.在该算法的每一次迭代,通过求解一个二次规划子问题得到可行下降方向,为克服Maratos效应,高阶修正方向通过求解另一个二次规划子问题得到.在合适的条件下,证明了该算法的全局收敛性和超线性收敛速度.最后给出了一些初步的数值结果. 相似文献
4.
5.
显式辛数值算法有一个重要的特性,即在长时间内保存Hamilton函数的指数幂,用这种方法求解可分微分方程所得到的解逼近精确解.基于磁电材料修正后的H-R混合变分原理,推导了Hamiltonian四节点有限元列式,通过对该列式进行行列变换,得到了K正则方程,并将显式辛数值算法用于求解磁电材料层合板的静力学问题,数值算例显示该方法是有效的. 相似文献
6.
针对具有免疫的传染病SIRS模型,利用三次Hermite插值函数及数值积分公式,基于患病的各个种群人数估计值的误差最小原则,将参数估计问题转化为非约束优化问题.将数据带入后可得关于模型参数的多项式,为求得该式最小值,将其分别对各个参数进行微分,得到关于模型参数的非线性方程组.使用最速下降法获得较为合理与精确的初值,在该初值的基础上利用牛顿法对非线性方程组进行求解,得到了该模型的高精度参数估计值.并对计算结果进行数值仿真,数值仿真实验表明,所给出的参数估计方法能够较为精确地估计出相应参数值. 相似文献
7.
吴玥 《湘潭大学自然科学学报》2012,34(2):7-11
利用一种同伦摄动方法求解了一类偏微分方程初值问题,得到解的近似展开式.利用这种同伦摄动法,对对流方程及一维Schrdinger方程进行求解,分别得到了它们的精确解. 相似文献
8.
《黑龙江大学自然科学学报》2015,(4)
利用无约束优化问题的解集与方程不动点集的等价关系,提出求解无约束凸优化问题的一种隐式迭代格式和一种显式迭代格式。在希尔伯特空间框架下,证明该算法强收敛到无约束优化问题的解,收敛点为某个强单调变分不等式的唯一解。推广和改进了现有的一系列相关结果。 相似文献
9.
介绍了求解带有不等式约束凸二次规划的一种主对偶积极集法.通过凸二次规划KKT条件中的一阶最优性条件和补条件计算出主对偶对(x,s)的值,若(x,s)不可行则确定新的积极集,算法继续迭代;算法经有限步迭代后,一定能得到最优解,使算法停止. 相似文献
10.
本对一般一维抛物问题进行求解,通过Fourier变换把偏微分方程求解问题转化为常微分方程组的求解,并用给出的公式得到其常微分方程组的解,进而给出抛物方程的解。 相似文献
11.
12.
区间斜率方法已应用于解决全局优化问题,且得到了较好的结果。讨论目标函数为因子函数的离散无约束min-max-min问题,利用区间斜率,构造目标函数的区间扩张和区间斜率删除原则,建立了求解离散无约束min-max-min问题的区间斜率算法,并给出了数值算例。相关结论和数值结果都表明:该方法可以同时求出问题的最优值和全部全局最优解,是可靠和有效的。 相似文献
13.
为了解决初始区域估计不妥及总极值在区域边界上达到等问题,讨论了变量区域适时变动的性态[1].经过实算证实,它在解决无约束及有约束总极值问题时是很有效的[2~3]. 相似文献
14.
研究时不变线性系统状态反馈鲁棒极点配置问题,首先提出了一种新的衡量系统鲁棒性的目标函数,该目标函数定量考虑了不确定性对闭环系统特征值的影响.然后通过对某些矩阵进行奇异值分解得到闭环特征向量和状态反馈矩阵的参数表达式.基于提出的目标函数和闭环特征向量矩阵的参数解,给出了目标函数梯度的显式表达式,从而可以用成熟的基于给出梯度信息的优化方法对目标函数进行优化而得到最优解.通过实际例子和现有方法的比较,结果显示了本方法的有效性. 相似文献
15.
提出一个求解不等式约束优化问题的非内点型可行QP-free算法,该算法不要求迭代点必须是可行域的内点;而且在算法的每一个迭代,只需求解4个系数相同的线性方程组得到搜索方向;在合适的条件下,该算法被证明具有全局收敛性和局部超线性收敛速度. 相似文献
16.
17.
18.
提出了一种新的求解无约束优化问题的非精确线性搜索方法,该方法与Armijo线性搜索类似,并且是Armijo线性搜索的推广.其特点是每次迭代可以使目标函数下降量更大,从而可以减少迭代次数.在较弱的条件下,证明了Zoutendijk条件. 相似文献
19.
20.
非精确搜索下的超记忆梯度法及其收敛性 总被引:3,自引:0,他引:3
提出一种新的无约束优化超记忆梯度算法,算法在每步迭代中充分利用前面迭代点的信息产生下降方向,采用Armijo搜索产生搜索步长,在较弱的条件下证明了算法的全局收敛性. 相似文献