蚁群算法的全局收敛性研究及改进

针对蚁群算法(ACA)寻优性质优良,但搜索时间长、收敛速度慢、易限于局部最优解,从而使其进一步推广应用受到局限的问题,对算法的全局收敛性进行了深入的理论研究,并从改善全局收敛性的角度对算法作了一系列改进,最后对Bayes29这一典型的TSP问题进行了仿真实验。实验结果证明,改进后的蚁群算法具有很好的全局收敛性能。这为蚁群算法的进一步理论研究打下了很好的基础,对其在各优化领域中的推广应用具有重要意义。     

抽象二阶周期边值问题的拟上下解方法

利用比较结果，通过构造L-拟上下解的单调迭代过程，研究了Banach空间二阶周期边值问题解的存在性，并获得了该问题解的存在唯一性结果。     

BFGS算法实现的一种优化计算策略

BFGS算法是解无约束优化问题的公认的最有效的算法之一。针对BFGS算法的Hesse矩阵修正保持正定的特点,利用Chlolesky分解,对于算法中矩阵修正及确定相应的搜索方向的实现作了一定的分析和探讨,并导出了相应的计算公式,使得计算量下降了一个数量级,并且尽可能地保证了修正矩阵的正定性。     

求解单调变分不等式的一类迭代算法

给出了求解单调变分不等式的一类迭代算法．通过解强单调变分不等式子问题，产生一个迭代点列，该迭代点列收敛到变分不等式的解．最后，给出了这类新算法的收敛性分析。     

动节点对自适应接触边界元法

Kamiya提出的弹性接触问题边界元分离解法和申光宪、陈一鸣、刘德义等引入最优罚因子的边界元分离解法，关于计算中接触状态的判别比较模糊，所得接触区与真实接触区相差很大。对此，本文进行了严密的分析，提出一种新的动节点对自适应分离接触迭代判别方法及实现方案并详细描述了数据结构，同时，还编制了自适应动节点对分离接触迭代方法的边界元程序(2-DECPAOBEM)，证实了本文新方案、算法的有效性，从而获得更精确的真实接触区及边界元解。     

一类迭代平均值的广义加权推广

将一类算术迭代平均值、几何迭代平均值及调和迭代平均值推广到广义加权平均迭代的情形，给出了这3类广义加权迭代平均值的定义、计算公式，以及三者之间的一些等量关系、不等式关系和多重迭代的极限。     

连续时间Markov控制过程的平均代价最优鲁棒控制策略

在Markov性能势基础上 ,研究了一类转移速率不确定但受紧集约束的遍历连续时间Markov控制过程 (CTMCP)的鲁棒控制问题 .根据系统的遍历性 ,平均代价Poisson方程的解可被看作是性能势的一种定义 .在平均代价准则下 ,优化控制的目标是选择一个平稳策略使得系统在参数最坏取值下能获得最小无穷水平平均代价 ,据此论文给出了求解最优鲁棒控制策略的策略迭代 (PI)算法 ,并详细讨论了算法的收敛性 .     

矩阵方程X-A~*X~(-q)A=I(q>1)的Hermite正定解

讨论了矩阵方程X -A X-qA =I在q >1时的Hermite正定解的存在性和解的性质并且构造了两种数值求解的迭代方法 .以上结果利用数值例子来说明 .     

离散时变系统迭代域最优学习控制

针对线性时变离散系统，首次提出并研究了迭代域内线性二次型最优迭代学习控制问题。所得到的迭代学习控制方法在迭代域内是保性能最优的，其学习率不需主观选取，学习速度可通过改变性能矩阵参数进行调节。     

约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法。该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解。给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析。最后通过数值实例表明了该算法的有效性。