DC规划的分支算法

从DC规划的特点出发,提出了一种线性化方法和分支算法来求全局最优解,实验表明,该方法比传统的DCA算法更简单、方便,而且DCA算法得到的仅仅是局部最优解.     

符号几何规划的全局优化算法

利用指数变换及对目标函数和约束函数的线性下界估计,提出一个求符号几何规划(SGP)问题全局解的确定型全局优化算法,并证明了算法的收敛性.数值实验表明提出的方法是可行和有效的.     

求解一类非标准DC规划的最优可视点算法

基于借用定位理论中的“可视性 (visibility)”假设 ,我们提出了求解非标准DC问题的一种外逼近方法 ,称之为最优可视点算法 ,从而获得问题的全局最优解 ,并证明了算法的收敛性 .该方法当非凸变量的数目较少时是有效的、实用的 .它为非标准DC问题提供了一种新的求解途径     

不定二次规划的全局优化算法

对不定二次规划问题提出了一个新的确定型全局优化算法,通过对目标函数和约束函数的线性下界估计,建立了不定二次规划的松弛线性规划.通过对松弛线性规划可行域的细分,以及一系列松弛线性规划的求解过程,并通过实例证明了算法能收敛到原问题的全局最优解.     

线性分式规划全局最优解的确定性方法

针对分式规划问题的求解,给出一个确定性全局优化算法.首先将原问题转化为一个等价问题,然后利用线性化技巧,建立等价问题的松弛线性化问题.通过对可行域的不断剖分以及一系列松弛线性化问题的求解,逐步求得原问题的最优解.理论上证明了算法的收敛性,数值算例表明算法是可行的.     

一类无约束DC规划的全局最优解

本文研究一类特殊的DC规划,给出该类DC规划的最优性条件,并利用凸函数性质获得了这类DC规划全局最优解的充要条件.     

求正定几何规划全局最优解的一种有效算法

对正定几何规划问题提出了一种确定型的全局优化算法,这类优化问题广泛应用于工程设计的稳定性分析等实际问题中.这种算法给出了一种构造目标函数及约束函数下界函数的新方法,从而建立了正定几何规划问题的松弛线性规划.通过对线性规划问题的可行域细分以及一系列的线性规划问题的求解,从理论上证明了该算法的全局收敛性.     

改进的进化规划算法

针对一般的非线性规划问题,把聚类思想、Hooke—Jeeves方法与进化规划算法结合起来给出了改进的进化规划算法,并把给出的算法应用到两个数值例子上,数值结果表明算法是有效的。     

求广义几何规划全局最优解的新的线性化方法

针对广义几何规划问题提出了一种确定型的全局优化方法,给出了一种构造目标函数及约束函数下界函数的新方法,从而建立了广义几何规划问题的松弛线性规划.通过对线性规划问题可行域的细分以及一系列的线性规划问题的求解,从理论上证明了该算法全局收敛性,数值实验表明了算法的可行性.     

求解一类非标准DC规划的最优可观点算法

基于借用定位理论中的“可视性（visibility）”假设，我们提出了求解非标准DC问题的一种外逼近方法，称之为最成可视点算法，从而获得问题的全局最优解，并证明了算法的收敛性，该方法当非凸变量的数目较少时是有效的、实用的，它为非标准DC问题提出了一种新的求解途径。     

求广义几何规划全局解的近似算法

对广泛应用于工程设计、非线性系统鲁棒稳定性分析中的广义几何规划问题(GGP)提出一线性化求解方法.使用指数变换并利用分段线性化技术转变指数项为一些带绝对值项的和,再将绝对值项线性化,最终将原问题转化为一个容易求解的线性规划问题.数值实验表明本文方法是可行的,能近似地求得(GGP)的全局最优解.     

广义几何规划的一类全局收敛算法

以增广Lagrange函数为基础,采用比较先进的Armijo步长搜索策略,对等式约束下的广义几何规划问题提出了一种有效的拟牛顿乘子法,并且在适当条件下,可以避免罚因子趋于无穷,最后证明了该算法的全局收敛.     

一类多乘积分式规划问题的全局优化算法

首先利用对数函数和指数函数的凹凸性构造目标函数的线性下界函数,从而建立问题(P)的松弛线性规划,然后给出求解问题(P)的分支定界算法。最后数值算例表明算法是可行的。     

有界凸域上非凸二次整体规划问题的单纯形剖分算法

把非凸二次规划问题等价地转变成一个带有调整因子u的规划问题 ,特别当调空因子u取得适当大时 ,该问题转变成一个D、C规划问题 ,进而可以通过解凸二次规划来确定原问题整体最优值的下界 由此建立了有界凸域上非凸二次整体规划问题的单纯形剖分算法 ,并对此算法的收敛性进行了分析     

求解二次双层规划问题的全局最优解

针对现有的一些逼近算法在计算过程中有时得到的解为不可行解, 甚至远离真正全局最优解的问题, 给出一种解二次双层规划非孤立全局最优解的算法. 数值实例结果表明, 该算法行之有效.     

基于不可行内点算法的几何规划优化方法

提出了一种优化算法,用以解决古典正项式原－对偶几何规划问题．在一般假设下,该方法应用原－对偶不可行算法,在一类特殊的受摄动ＫＫＴ 系统中定义了一条原－对偶不可行路径,对于每个规划,都产生一个次可行解,规划问题的原－对偶目标函数值最后分别收敛到原－对偶规划值．算法迭代次数少,还不受几何规划问题艰度大小的限制．文中利用对数转换后目标函数Ｈｅｓｓｉａｎ 矩阵的特殊结构,讨论了算法实现问题．算法效果得到实例计算验证