求解高光谱解混的三算子分裂方法

对于高光谱解混问题,提出了一个相应的三算子单调包含和求解该问题的一个分裂方法,其中邻近因子可以自适应选取。该方法还可用于求解更一般的带有线性复合的三算子单调包含问题。数值实验表明,该算法的性能远远超过最近提出的邻近内点方法,并且与其变尺度版本相当。

求解非线性方程组的非单调自适应加速Levenberg-Marquardt算法

提出一种新的求解非线性方程组的非单调自适应加速Levenberg-Marquardt算法,该算法使用一种新的自适应函数更新Levenberg-Marquardt参数,这种Levenberg-Marquardt参数的更新方式可提高过于成功的迭代中模型与目标函数的一致性,从而加快算法的收敛速度.数值实验结果表明,该算法具有良好的数值计算性能.

基于微分方程曲面求交跟踪法的包容式节点相贯区域建模研究

包容式节点是一种新型管状相贯式节点,其形态是一种典型的薄壁自由曲面结构。在进行曲面造型过程中会涉及曲面求交的问题,而曲面求交是计算机辅助几何设计(CAGD)领域中的关键技术之一。本文构建了包容式节点非均匀有理B样条(NURBS)曲面模型,将求包容式节点中的相贯线问题转化为NURBS曲面的求交问题。基于微分方程的跟踪算法原理,在分割法求得初始交点的基础上,采用微分方程追踪法求出所有交点,最后将所求得交点进行曲线拟合,交线包围区域即为包容式节点与腹杆相贯焊接区域。

连续非单调变分不等式的一种惯性投影算法

一种求解非单调变分不等式问题的投影算法(IPA)由Ye (2022)提出。IPA无需变分不等式的映射具有任何的单调性,仅在映射连续且对偶变分不等式解集非空的条件下得到了算法的全局收敛性。本文提出了惯性的IPA算法,并在相同的假设下证明了新算法的全局收敛性。数值实验表明,惯性方法能加速IPA。

带隐藏约束昂贵黑箱问题的自适应代理优化方法

针对带隐藏约束的昂贵黑箱全局优化问题,提出采用自适应转换搜索策略的代理优化方法。在转换搜索子步中采用与已估值点个数相关的标准差在当前最优点附近通过随机扰动生成候选点,以更好地平衡局部搜索和全局搜索。为更好地近似真实黑箱目标函数,采用了自适应组合目标代理模型。在50个测试问题上进行了数值实验,计算结果说明了所提算法的有效性。

求解单调包含问题的混合邻近点算法

在Hadamard空间提出求解单调包含问题的Mann-Halpern型黏性混合邻近点算法.在一定条件下,证明求解单调包含问题的Mann-Halpern型黏性混合邻近点算法产生的点列在Hadamard空间上具有强收敛性.最后在数值实验部分将Mann-Halpern型黏性混合邻近点算法用于求解线性反问题和极小化问题,表明新算法的可行性,有效性.

一种求解包含问题的算法研究

一种实希尔伯特空间中求解包含问题的算法被提出,所提出的算法基于向前向后方法、压缩方法、惯性方法和无需搜索的自适应步长。算法的特点为迭代中多次使用惯性加速方法,且自适应步长随着迭代次数增加可能增大。在包含问题解集非空、一个映射极大单调、另一个映射单调且利普希茨连续的假设下,算法的强收敛性被证明。

线性化严格收缩的Peaceman-Reachford分裂方法

考虑具有线性约束的三块可分凸优化问题,在改进的严格收缩可分离的凸最小化模型分裂法(MSC-PRSM)的基础上,将原始问题的y-子问题和z-子问题的目标函数分别在y^(k)和z^(k)处进行线性化,并增加一个邻近项,使线性化的MSC-PRSM子问题更容易求解,降低了计算量,从计算时间角度比MSC-PRSM更有优势,并证明了新算法的收敛性.

基于网络环境的若干组合优化博弈问题研究

随着互联网技术的飞速发展和社交网络的广泛普及,大量现实问题可以模型化为基于网络环境的组合优化问题,受到学术界和工业界的广泛关注。在这一过程中,参与者通常受到个人利益的驱动,采取策略性行动以实现自身效用的最大化。这种以“自利”为核心的行为模式,不仅对其他参与者产生影响,同时所有参与者的策略选择共同决定了社会福利整体目标的实现。在此背景下,参与者之间的互动呈现出合作与竞争并存的复杂局面,构成了组合优化博弈问题。本文旨在深入分析基于网络环境的三类具有挑战性的组合优化博弈问题:网络上的公共品博弈、网络上的点覆盖博弈以及网络上的路由博弈。这三类问题不仅在组合优化和理论计算机科学领域占据着举足轻重的地位,而且在管理科学与工程、经济学等多个交叉学科领域中也展现出广泛的应用前景。因此,本文将系统性地介绍这三类组合优化博弈问题,并对其最新的研究进展进行详细的梳理和深入的凝练,以期为相关领域的研究者和实践者提供有价值的参考和启示。

和目标函数具有相同局部极小点的打洞函数

打洞函数方法作为求解全局优化问题的一种有效方法,其跳出局部极值的能力深受打洞函数性质的影响。随着实际优化问题的复杂化,其对应的打洞函数形式更加复杂。因此,构造形式简单且性质良好的打洞函数是打洞函数方法的主要研究目标之一。为了提高打洞函数方法求解多峰函数的效率,提出了一个新型的打洞函数,其局部极小点不仅是比目标函数当前局部极小点更优的可行点,同时也是更优的局部极小点,即打洞函数和目标函数具有相同的局部极小点。于是,只需极小化打洞函数即可直接求得比目标函数更优的局部极小点。基于此特点,设计了一个新的打洞函数算法,该算法改进了传统打洞函数法的算法框架,克服了交替极小化目标函数和打洞函数的局面,有效地减少了局部寻优的次数,加快了全局寻优的速度。理论分析和数值实验验证了算法的可行性和有效性。

基于矩不确定模糊集的分布鲁棒风险-回报优化模型研究

本文研究随机变量分布不确定下的风险-回报优化模型。针对传统的风险-回报三类典型问题和分布不确定性背景,提出了更一般性条件下的分布鲁棒风险-回报优化新模型;基于矩不确定集合和优化对偶理论,化简复杂的新优化模型为常规结构的非线性优化问题。理论上证明了分布鲁棒风险-回报三类优化模型效率前沿的等价性。数值实验验证了理论分析的有效性。

具有混合约束半无限规划的高阶(ϕ,ρ)-V-不变凸性和对偶性

在半无限规划问题中,凸性的推广和对偶模型的建立是两个非常重要的组成部分.本文引入一类高阶(ϕ,ρ)-V-不变凸函数,并在高阶(ϕ,ρ)-V-不变凸性的假设下,研究一类具有混合约束的半无限规划问题,构造Wolfe型和Mond-Weir型对偶,得到相应的弱、强和严格逆对偶定理.

一类新的单参数F-C函数及其应用

填充函数法作为可以有效求解多变量、多极值函数的全局最优化方法,通过交替求解目标函数和填充函数找到问题的全局最优解或近似全局最优解,其寻优能力与所采用的填充函数性质有直接关系。因此,构造具有良好数学性质的填充函数新形式一直都是填充函数法的重要研究领域。然而,当前已有的填充函数存在以下问题:填充函数不连续不可微;参数过多难以控制和调整;包含指数项或对数项。为解决上述不足,将填充函数和跨越函数相结合,引入求解无约束全局优化问题的F-C函数定义。根据此定义,构造一类新的单参数F-C函数,此参数在迭代过程中易于调节。在分析该函数理论性质的基础上,提出新的全局优化F-C函数方法,该算法打破传统填充函数算法的求解框架,成功减少求解目标函数的次数,提高计算效率。通过数值计算验证F-C函数算法的有效性和可行性。最后,用F-C函数算法对切削温度实验中的参数进行优化,并与已有结果进行比较,数值试验结果表明该算法具有更好的拟合效果。

基于Markov模型的低风速地区风力发电机预防性维护优化策略

在“3060”双碳战略目标下,随着风电产业的迅速发展,预防性维护已然成为提高风力发电机运行可靠性的重要手段。关于复杂环境下风力发电机的运行管理尚存在对退化状态认识不充分、维修策略不可靠等问题。本文以期望成本最小化为目的,考虑风力发电机关键部件退化过程与多阶段预防性维护策略的关系,构建基于Markov状态转移的多阶段预防性维护成本模型。首先,依据设备衰退规律,利用Markov链的转移概率对退化状态、维护策略进行刻画。其次,引入可靠度、故障率、役龄因子计算多阶段预防性维护时长和故障时长;再进一步考虑天气条件对维护成本模型的影响,构建风力发电机在整个维护周期内的期望成本模型。最后,利用数值分析对模型进行求解。结果表明,实施最小、更换维护策略的期望成本占据了总维护成本的80%以上,相比之下,采取预防性维护优化策略的期望成本则低于总维护成本的20%,故该策略可为低风速地区的风电企业提供有效的决策参考,提高风力发电机的运行可靠性。

一类自适应梯度裁剪的差分隐私随机梯度下降算法

梯度裁剪是一种防止梯度爆炸的有效方法,但梯度裁剪参数的选取通常对训练模型的性能有较大的影响。为此,本文针对标准的差分隐私随机梯度下降算法进行改进。首先,提出一种自适应的梯度裁剪方法,即在传统裁剪方法基础上利用分位数和指数平均策略对梯度裁剪参数进行自适应动态调整,进而提出一类自适应梯度裁剪的差分隐私随机梯度下降算法。其次,在非凸目标函数的情况下对提出的自适应算法给出收敛性分析和隐私性分析。最后,在MNIST、Fasion-MNIST和IMDB数据集上进行数值仿真。其结果表明,与传统梯度裁剪算法相比,本文提出的自适应梯度裁剪算法显著提高了模型精度。

工件权重带限制的最小化最大加权完工时间的单机在线排序问题

本文考虑了最小化最大加权完工时间的单机在线排序问题,要求工件的权重在工件加工时间一定范围之内且工件的权重和工件加工时间具有一致性,即apj≤wj≤bpj(a≥(5√−1)/2b,b≥a)且若wi>wj则pi≥pj,如果wi=wj则pi=pj。工件以时间在线的方式到达,只有工件Jj在达到释放时间rj后,决策者才知晓工件的基本信息,如加工时间pj和权重wj。对于此问题,首先利用对手法证明了其下界为1+b/(b+a),随后给出了竞争比为1+b/(b+a)的最好可能的在线算法。特别地,当a=(5√−1)/2b时,该算法的竞争比为(5√+1)/2。

基于改进的填充函数法求解全局优化问题的全局最优解

本文构造一个新的单参数填充函数.此函数用于寻求全局优化问题的全局最优解.首先在合理的假设条件下,探究并且证明了该填充函数的填充性质和其他的必要性.此单参数填充函数与目标函数有相同的局部极小值点.意味着在算法执行中仅需在第一步迭代中极小化目标函数.此外,极小化填充函数得到的点就是原问题更优的局部极小点.其次,给出相应的填充函数算法.最后,进行了经典数值实验,并与其他文献的结果比较.结果表明,该算法迭代次数较少,结果精确度较高,算法有效.

单边相对光滑非凸-凹极小极大问题的镜像梯度算法

本文提出了一种镜像梯度下降梯度上升算法来求解单边相对光滑的非凸-凹极小极大问题。在算法的每次迭代中,我们采用镜像梯度下降步来更新相对光滑的变量,采用梯度上升投影步来更新目标函数中光滑的变量。本文在理论上证明了算法收敛到ε-近似一阶稳定点的迭代复杂度是O(ε^(-4))。

和优化问题的松弛型Farkas引理

利用共轭函数的上图性质,并引入2类新的约束规范条件,建立了和优化问题的松弛型Farkas引理.

分裂可行性问题的一个惯性共轭梯度投影法

基于分裂可行性问题的凸约束非线性单调方程组等价问题,提出了一个新的惯性共轭梯度投影法.该算法不需要计算矩阵A^(⊤)A的最大特征值和多次的复杂投影.在较弱的条件下,证明了算法的全局收敛性,并分析了算法的收敛率.数值试验结果初步表明算法是有效的和鲁棒的.