一类新的修正Fletcher-Reeves算法

研究了一类非单调线性搜索技术在无约束化问题共轭梯度算法中的应用,该类非单调线性搜索是属于Armijo型的线性搜索.在适当的条件下,对一般非凸函数,证明了新给出的的非单调线性搜索下,修正Fletcher-Reeves共轭梯度算法的全局收敛性,数值结果表明了该算法的有效性.     

线性约束最优化的一个超线性收敛可行方向法

利用二次规划技术,给出线性约束最优化问题的一个超线性收敛的可行方向法。方法的特点是:1.取可行点作为初始点,每次迭代仅解一个确实有解的二次规划,避免了校正的程序,只经一步迭代便得到搜索方向。2.方法所进行的线性搜索是通常的直线搜索,具有很小的计算量和广泛的实用性。3.每一步迭代都保证迭代点的可行性。4.以二次规划的解向量作为可行下降方向。5.在适当假设条件下,证明了算法的全局收敛性和超线性收敛性。     

广义几何规划一个超线性与二次收敛算法

建立带等式与不等式约束的广义几何规划一个新的快速收敛算法,算法的搜索方向由一个二次规划和一个线性方程组的解产生,效益函数为广义精确罚函数．在适当的条件下证明了算法的全局收敛性、超线性收敛性与二次收敛率．     

基于最小二阶乘快速解线性调频方法

针对解线性调频算法搜索步长减小时运算量增加的情况,提出了基于最小二阶乘方法的快速解线性调频算法.分析了快速算法原理、最终可达到的分析精度及提高分析精度方法.仿真验证表明基于最小二阶乘快速解线性调频算法快速有效.     

实数交叉算子的选取和算法改进

在总结分析实数遗传算子的基础上 ,根据算法搜索效果 ,将区域划分与转移思想应用到算法结构改进中。对复杂函数全局解搜索的实验表明 ,新算法在寻找复杂问题的全局解、提高搜索精度方面比基本实数遗传算法有较大改进。文中还将改进的实数遗传算法用于测量数据的估计中 ,得到了较好的线性和非线性参数估计结果。     

一类新的求解约束优化问题的锥模型信赖域算法

本文提出了一类新的求解线性等式约束优化问题的锥模型信赖域算法.不同于以往的求解约束问题的锥模型信赖域算法,无论试探步是否被接受,我们在每步都采用Wolfe线搜索得到下一个迭代点,避免了重解子问题,并且保证了序列{Bk}满足拟牛顿方程及其正定性.在适当条件下,证明了算法的全局收敛性,数值试验表明该算法是有效的.     

用隐式ODE方法求解非线性方程组

将解非线性方程组转化为解常微分方程组的初值问题,利用隐式欧拉公式,得到线性收敛的迭代格式。采用非精确线性搜索的Armijo原则的算法求其解,证明给出的算法具有全局收敛性。通过一些数值例子,说明算法性能良好。     

具有线性约束的分片线性函数的最优化方法

分片线性模型有着广泛应用范围 ,对分片线性模型及其最优化问题的研究具有普遍的意义。该文以规范型分片线性函数为例 ,提出了基于分片的邻区域搜索算法 ,通过定义相邻区域 ,应用线性规划寻找最优解。通过该算法和遗传算法相结合 ,可利用进化算法的探索能力和模型信息以实现全局优化。在仿真实验中 ,采用随机生成的分片线性函数对这种算法和传统遗传算法进行了对比 ,结果表明 ,它具有很好的搜索性能 ,当搜索空间很大或具有边界约束时 ,它较传统遗传算法更优越     

求解线性双层规划的一个全局收敛算法

基于线性双层规划的最优解在约束域极点上达到这一特性,得到了线性双层规划问题的一些性质。然后给出了一个求解线性双层规划的全局收敛算法,该算法从合理反应集的一个顶点开始进行搜索。最后通过一个算例说明这种算法的可行性和优越性。     

演化算法行为分析——基于全局随机搜索的理论刻划

根据候选解空间上抽样分布的构造和计算来描述演化算法的行为，抽样分布的迭代构造是利用基于代（ｇｅｎｅｒａｔｉｏｎ）方法的全局解机搜索思想来刻划，在这种框架下，比例选择看成是全局随机搜索算子，复合看成是开发候选解相似性的搜索过程，研究表明：适当地限制复合算子的搜索宽度，能够保证演化算法弱收敛到全局最优解。     

非单调QP-free非可行域方法

提出了带有Fischer-Burmeister非线性互补(NCP)数的非单调QP-free非可行域算法.根据优化问题的一阶KKT条件,利用乘子和NCP函数,得到非光滑方程,给出解这个非光滑方程的迭代算法.该算法包含原始-对偶变量,在局部意义下,可看成关于一阶KKT最优条件的扰动牛顿-拟牛顿迭代算法.在线性搜索时,此算法采用非单调方法.给出的算法是可实现的并具有全局收敛性,且在适当假设下具有超线性收敛性.     

关于无约束最优化问题的一种新的自适应信赖域方法

提出一个求解无约束最优化问题的自适应信赖域算法,将非精确线性搜索法和信赖域算法相结合,并在适当假设下,证明算法具备全局收敛性.     

凸整数规划问题的混合蚁群算法

混合蚁群算法是基于群体的一类仿生算法, 适合于解困难的组合最优化问题. 本文对其做适当改进, 用于解凸整数规划问题. 结果表明: 用该算法求目标函数为正定二次型的整数规划问题的最小值, 找到的解比多起始点局部搜索方法好得多, 比原来的混合蚁群算法找到更好的解     

线性互补问题中一个新的高阶收敛算法

利用凝聚函数对线性互补问题的等价形式进行带参数的磨光 ,并对参数方程的解曲线进行离散化追踪 ,在无假设有严格互补解的条件下 ,给出一个新的算法 .在适当条件下 ,证明该算法具有大范围线性收敛和局部任意阶收敛性     

遗传算法和蚂蚁算法混合求解旅行商问题

介绍了一种求解旅行商问题的混合蚂蚁算法,该算法结合了遗传算法中的改进的交叉算子和变异算子,对产生的局部最优解进行适当地交叉和变异,提高算法的搜索空间,可以提高蚁群算法的寻优能力,实验表明该算法很有效.     

对一类随机线性互补问题的信赖域线搜索拟牛顿法

研究了一类随机线性互补问题的解法,采用信赖域线搜索与拟牛顿方法相结合的方法对其进行求解,在适当的假设条件下进行收敛性分析,得到了算法的全局收敛性,表明了算法的可行性和有效性.     

下降算法超线性收敛的特征

本文首先给出了一个点列收敛并且超线性收敛的充要条件。然后在目标函数一致凸并且其Hessian矩阵满足Lipschitz条件的假设下证明了由精确线性搜索或某种可实现的不精确线性搜索确定步长的下降算法产生的无穷点列{X~k}超线性收敛于目标函数的整体最优解的     

线性互补问题中一个新的高阶收敛算法

利用凝聚函数对线性互补问题的等价形式进行带参数的磨光， 并对参数方程的解曲线进行离散化追踪， 在无假设有严格互补解的条件下， 给出一个新的算法. 在适当条件下， 证明该算法具有大范围线性收敛和局部任意阶收敛性.     

解多目标最优化问题的权衡割平面法

在现有的一些解多目标问题交互算法的基础上,提出了一种解决一般非线性多目标最优化问题的交互式算法——权衡割平面法.它每次迭代前后所得到的解都是有效解,搜索策略灵活实用,且对线性多目标最优化问题只需一次迭代就得到最优解.     

基于二进制编码的改进杂交策略

通过分析发现,遗传算法二进制编码串中不同基因位的改变对个体的影响程度大小不等.提出一种改进的杂交算子,对编码串中各个基因位赋予不同的杂交点选择概率,使得群体在进化初期可以搜索到更大的解空间,提高算法的全局搜索能力;在进化后期适当降低高位基因的杂交点选择概率,使得搜索不致偏离最优解,同时提高低位基因的杂交点选择概率,增强算法在局部范围的搜索能力.仿真结果表明,同标准遗传算法相比,改进算法具有寻优精度高、稳定性好、收敛性强等优点.