求解非线性加权互补问题的光滑算法

研究一个新的求解非线性加权互补问题的光滑算法.该算法利用一个带有权重的光滑函数,将非线性加权互补问题等价转化成一个光滑方程组,再利用牛顿法求解此方程组.在非奇异条件下,证明了算法具有全局和局部二次收敛性质.数值实验结果表明算法是非常有效的.     

一个求解广义圆锥互补问题的光滑非精确牛顿法

研究一个求解广义圆锥互补问题的光滑非精确牛顿法.该算法基于一个新的光滑函数，将广义圆锥互补问题等价转化成一个光滑的非线性方程组，然后利用非精确牛顿法求解此方程组.算法在每次迭代时只需求解牛顿方程的一个近似解，因此适于求解大规模广义圆锥互补问题.在适当条件下，证明算法具有全局和局部二次收敛性质.数值实验结果表明算法是非常有效的.     

非线性互补问题的光滑牛顿算法

在将非线性互补问题转化为求解非光滑方程组的基础上,为将非线性互补问题转化为求解光滑方程组,通过构造一个新的光滑非线性互补函数,给出求解NCP问题的光滑牛顿算法。此算法具有良好的适定性,在适当条件下,局部收敛性和全局收敛性也得到了证明。     

求解非线性互补问题的一个新的光滑牛顿法

通过利用带惩罚项的FB函数将非线性互补问题转化为等价的光滑方程组.并在此基础上提出了一个求解P0-函数非线性互补问题的光滑牛顿法,同时给出了算法的全局收敛性以及局部二次收敛性结果.数值实验表明所提出的算法是有效的.     

求解非线性等式和不等式问题的一种光滑化算法

 给出了求解非线性等式和不等式问题的一种新算法．用Max函数将不等式约束转变为等式约束,建立了一个半光滑的无约束方程组系统,并设计了一种光滑化Gauss-Newton算法求解该系统．在适当条件下,证明了此算法的全局和局部收敛性．数值实验表明此方法的有效性．     

解非线性不等式约束优化问题的非精确光滑牛顿法

针对非线性不等式约束优化问题，提出了一个基于Kanzow磨光函数的非精确光滑牛顿法．利用约束问题解的KKT条件及变分不等式将约束问题转化为求解方程组的问题，在适当的条件下，证明了算法的全局线性及局部二次收敛性．     

求解非线性规划的一个连续化方法

带不等式约束的非线性规划,其KKT条件可以通过NCP函数转化为一个非光滑的方程组,然后用熵光滑化函数光滑化,得到一个带参数的方程组.提出了一个求解该参数方程组的非内点连续化方法,证明了该算法的全局线性收敛和局部二次收敛.计算结果表明了该算法的有效性.     

非线性互补问题的一个数值解法

提出了一个新的NCP光滑逼近函数,利用此光滑逼近函数把非线性互补问题转化为一个等价的方程组,在此基础上提出一个求解方程组的非单调光滑牛顿法,在适当的条件下证明了其全局和局部收敛性。数值试验说明了算法的有效性。     

一步光滑牛顿法解P_0非线性互补问题

通过引入光滑参数提出一个新的光滑化NCP函数来逼近方程组中的目标函数,提出了求解P0非线性互补问题的一步光滑牛顿法,并得到该算法是全局收敛的结果.在适当的假设下,证明了该算法的局部超线性和二次收敛性.数值实验表明该算法是有效的.     

线性圆锥互补问题的光滑化牛顿法

给出求解线性圆锥互补问题一种新的光滑化牛顿法. 首先, 基于一个圆锥互补函数的光滑化函数, 将线性圆锥互补问题转化成一个方程组,  然后用光滑化牛顿法求解该方程组; 其次, 在适当假设下, 证明该算法具有全局收敛性和局部二阶收敛性. 数值结果表明, 该算法求解线性圆锥互补问题所需的CPU时间和迭代次数均较少, 且相对稳定, 从而证明了算法的有效性.     

一种广义BFGS Levenberg-Marquardt算法

提出一种基于BFGS更新的Levenberg-Marquardt算法,该算法不仅具有全局收敛性和二次收敛速度,而且可以更有效地求解大规模优化问题.数值实验表明,该算法在求解大规模绝对值方程问题方面也是有效的.     

Improved Consensus Speed for Discrete-Time Multi-agent Systems

The consensus problem of a linear discrete-time multiagent system with directed communication topologies was investigated.A protocol was designed to solve consensus with an improved convergence speed achieved by designing protocol gains.The closed-loop multi-agent system converged to an expected type of consensus function,which was divided into four types:zero,nonzero constant vector,bounded trajectories,and ramp trajectories.An algorithm was further provided to construct the protocol gains,which were determined in terms of a classical pole placement algorithm and a modified algebraic Riccati equation.Finally,an example to illustrate the effectiveness of theoretical results was presented.     

人工神经网络及其在电力短期负荷预测中的应用研究

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定.通过讨论短期负荷预测,来阐述Levenberg-Marquardt算法优于传统BP算法.并分别用BP算法和Levenberg-Marquardt算法对绥龙110 kV变电局所属供电网络远动采集来的负荷数据进行预测,来说明Levenberg-Marquardt算法优于传统BP算法.     

非线性规划问题全局优化的模拟退火法

在无约束非线性规划问题全局优化的模拟退火算法基础上，进行有约束问题求解的进一步探讨，对不等式约束条件提出了检验法和罚函数法的处理方法，对等式约束条件开发了罚函数法和解方程法的求解步骤，并进行了分析比较，从而形成了完整的求取非线性规划问题全局优化的模拟退火算法。通过对文献例题的计算，表明所提出的方法能够快速有效地求出有约束非线性规划问题的全局最优解     

有三对角半正定增量块的对称正定方程组的解

这篇论文讨论一类迭代,它需求系数矩阵有变化的三对角半正定增量块的对称正定方程组的解,该文把这种半正定的增量块进行了独特分解,给出了一种迭代算法,重复使用这种算法求解上述的问题可以提高计算的效率．吴筑筑曾提出过对角元有正增量的一种迭代算法,该文算法考虑块增量的情形,是对吴筑筑算法的一种推广．     

差动式机电缓冲阻尼系统动力学研究

研究了用于空间飞行器对接机构的差动式机电缓冲阻尼系统的动力学。提出了一种关于此类６自由度的串、并联复合系统的动力学分析方法。应用Ｌａｇｒａｎｇｅ分析技术推导出了系统动力学方程，给出了相应的系统约束方程，并对系统中多部位的库仑摩擦阻尼进行了处理和实例计算分析。结论表明该方法可进行差动式机电缓冲阻尼系统的动力学分析、系统刚度和阻尼特性分析以及系统功能校核分析。     

基于Harris-LM全局运动估计的电子稳像算法研究

全局运动估计用途非常广泛,但是由于全局运动估计计算量大、噪声多等因素使得它很难在实时应用中使用.为了减少全局运动估计的计算量,提高全局运动估计的速度,选取Harris角点进行计算.基于LM(Lev-enberg-Marquardt)全局运动估计的思想,提出一种去除图像画面抖动的算法.通过LM算法估计全局运动参数,从而获得参考帧和当前帧之间的全局运动矢量.然后采用Kalman滤波的方法,一方面较好地平滑运动矢量以降低视频抖动,另一方面有效跟随摄像系统的有意扫描运动.最终进行运动补偿,以达到输出稳定图像的目的.实验结果表明,该算法能较好地实现图像序列的稳定.     

利用遗传算法拟合实验变差函数

理论变差函数模型的获取是地质统计学中的基础性工作,它是描述储层非均质性、进行储层随机模拟必不可缺的关键环节。针对现有的拟合实验变差函数方法:人工拟合法、非线性回归最小二乘法、加权多项式拟合法等的不足之处,充分利用遗传算法在求解非线性优化问题时具有的全局寻优的特点,提出实验变差函数的遗传算法拟合方法;在常规遗传算法中引入了模拟退火算法,加速了遗传算法的收敛速度。以川中某气藏的孔隙度变差函数为例进行了计算,结果表明:利用遗传算法可以简单、快速地实现实验变差函数的参数估计。     

基于信息融合的带钢厚度预测控制

通过把轧制力方程和厚度控制方程在小范围内线性化、离散化,用递推最小二乘法辨识出系统的状态空间模型.给出了基于Kalman滤波法的最优信息融合算法,并针对热连轧这个复杂的多变量系统设计了异步信息融合估计算法.将模型用于热连轧机带钢厚度预测中,同时也预测带钢塑性系数Q.最后把实时预测出的带钢出口厚度和带钢塑性系数应用于带钢热连轧厚度控制系统,提高了带钢厚度质量.     

一类特殊规划的求解算法

二次规划问题是一类重要的优化问题,是NP困难的.通过对已有算法的理解与分析,在假设原问题的Hessian矩阵正定的条件下,作者给出了求解二次规划问题的一种新算法,并讨论了算法的收敛性.