等式约束非线性最优化问题的一个降维算法

本文利用等式约束问题K-T点的一个充分条件,按照最小二乘法将等式约束问题转化为无约束最优化问题,从而提出了一个等式约束最优化问题的降维算法.     

线性等式约束多目标最优化问题的一个新降维算法

利用等式约束最优化问题的一个K-T条件,首先将等式约束最优化问题转化为无约束问题,利用Gauss-Newton法进行求解,得到求解最优化问题的一种新思路;然后针对线性等式约束多目标最优化问题,利用最短距离理想点法,将其转化为线性等式约束最优化问题,从而提出了一种新算法.最后给出算法收敛性的证明,例题表明算法是有效的.     

线性等式约束非线性最优化问题的一个新算法

有文献给出了一般等式约束非线性最优化问题的一种求解途径。在此基础上将线性等式约束非线性最优化问题转化为非线性最小二乘问题求解,提出了求解最优化问题的一种新思路。然后利用Gauss-Newton法求解非线性最小二乘问题,在求解过程中引入非精确的一维搜索,提高了计算的效率,加快了算法收敛的速度,从而找到了具有线性等式约束非线性最优化问题的一个新算法,算法具有很好的收敛性,收敛速度是二阶的。最后经过数值实验证明新算法与Matlab优化工具箱计算的结果一致,是可行的、有效的。     

等式约束的凸非线性规划问题降维算法

对等式约束的凸非线性规划问题的非线性方程组算法进行了研究^[1]。从一般的约束问题的最优性条件出发,构造一个非线性方程组,解此方程组便可求得非线性规划问题的最优解。     

具有线性不等式约束非线性规划问题的降维算法

对线性约束的一般非线性规划问题进行了研究,在算法中提到的起作用集策略,与常见的起作用集算法相比较;在迭代过程中求解等式约束子问题时采用了降维算法,而对于不等式约束子问题采用了起作用集算法.通过数值试验,说明了算法的有效性.算法对于求解非线性约束非线性规划问题提出了一种新思路,将非线性约束线性化,解决一般此类问题.     

非线性约束最优化问题的多目标模拟退火算法

给出了非线性约束问题的一种新解法，首先将其转化为多目标优化问题，提出了高效模拟退火算法求解多目标最优解问题，通过搜索操作和参数的合理设计，以及试验函数的验证，证明了给出的SA算法是一类有效的多目标优化算法。     

线性等式约束非线性最优化问题的一个新算法

有文献给出了一般等式约束非线性最优化问题的一种求解途径。在此基础上将线性等式约束非线性最优化问题转化为非线性最小二乘问题求解,提出了求解最优化问题的一种新思路。然后利用Gauss-Newton法求解非线性最小二乘问题,在求解过程中引入非精确的一维搜索,提高了计算的效率,加快了算法收敛的速度,从而找到了具有线性等式约束非线性最优化问题的一个新算法,算法具有很好的收敛性,收敛速度是二阶的。最后经过数值实验证明新算法与Matlab优化工具箱计算的结果一致,是可行的、有效的。
     

非线性约束最优化的一类逐次线性算法

对于非线性约束最优化，提出了一个自动调节罚因子的信赖域类型的逐次线性算法。在一个很广泛的信赖域半径选择规则下，证明了算法的强收敛性。本文还讨论了特殊情况下算法的超线性收敛性。     

约束最优化问题的非线性无约束方法

总结了近年发展的对不等式约束最优化问题的非线性拉格朗日方法,讨论了零对偶间隙,最优化条件的收敛性以及精确非线性罚函数.     

一个求解约束优化问题的混合算法

通过引入Hook-jeveese搜索法和可行基规则,提出一个求解约束优化问题的混合算法—Hook-jeveese搜索法和与可行基规则相结合改进的微粒群算法的混合算法.与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域.并利用6个典型实例问题进行仿真计算比较,仿真结果表明了新算法是求解约束优化问题的一个高效的算法,而且获得了一些比以往文献更好的解.     

混合约束最优化问题的直接解法

针对可行域比较畸形的混合约束最优化问题 ,证明了联合应用消元法和随机方向搜索法求解该类问题的可行性 ,并给出了相应的算法和程序框图 .该算法具有良好的收敛性 ,但收敛速度将随着等式约束条件个数的增大而减小     

混合约束最优化问题的复合形解法

提出并讨论了联合应用复合形法和消元法求解可行域比较时形的混合约束最优化问题的方法,论证了这一方法的可行性,给出了相应的算法和程序框图,并用算例验证了该算法的收敛性．     

均衡约束最优化的一个共轭投影梯度算法

讨论均衡约束最优化问题,利用一个互补函数和扰动技术将原问题转换为非线性等式和不等式约束最优化问题,结合罚函数法提出了一个共轭投影梯度算法,在适当的条件下,证明了算法的全局收敛性,且具有超线性收敛性.     

具有混合约束线性规划问题的一个内点算法

对具有线性等式和不等式约束的线性规划问题给出了一种内点法,利用寻优方向选择参加投影矩阵计算的约束,使少部分约束参加运算,从而减少了问题的求解规模,有效地提高了求解速度,同时也节省了存贮量。     

基于局部约束字典学习的非线性降维人脸识别

针对现有的非线性降维(NLDR)算法复杂度高而不能很好地处理现实世界大规模数据集的问题,提出了基于局部约束字典学习的非线性降维(LCDL-NLDR)方法。首先通过一些潜在的标志点重构极小的内在流形,并将训练数据和未知数据自然地嵌入到内部流形中;然后利用局部约束字典学习(LCDL)算法在非线性流形中学习由标志点组成的紧密原子集;最后利用最近邻分类器完成人脸的识别。在扩展的YaleB及CMU PIE两大人脸数据库上的实验验证了所提方法的有效性及鲁棒性,通过与几种先进的字典学习算法比较表明,所提算法提高了嵌入质量,取得了更高的识别率,同时也大大地降低了NLDR算法的复杂度。     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展,阐述了Newton算法与其他算法的混合算法,并探讨了Newton算法的超线性收敛性,从而进一步阐明了此算法的研究方向.     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展,阐述了Newton算法与其他算法的混合算法,并探讨了Newton算法的超线性收敛性,从而进一步阐明了此算法的研究方向。