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.

约束优化问题的单参数填充函数算法

本文研究约束优化问题的全局优化确定性方法.基于填充函数的定义,具体构造出了一个新的单参数填充函数并做了相关理论证明.结合SQP和BFGS局部极小化算法设计了新的填充函数全局优化算法.数值实验表明,该算法可行有效,具有良好的全局寻优能力.

一个新的填充函数在优化核聚类中的应用

针对约束优化问题,本文提出一个新的单参数填充函数,并设计相应算法。然后将此填充函数应用于对聚类问题中的权重优化,结合聚类模型的过程给出相应算法步骤,运用 Python 对数据集进行聚类分析并得出权重参数。最后,实验结果表明该填充函数算法的可行性。

求解非线性整数规划全局最优解的填充函数法

提出了一个填充函数,用来求解"严格路径连通域"上的非线性整数规划全局最优解问题。探讨了该填充函数的理论性质,提出了相应的求解算法,并进行了算例测试。测试结果表明该算法令人鼓舞。

基于变换函数与填充函数的模糊粒子群优化算法

本文提出了一种基于变换函数与填充函数的模糊粒子群优化算法(Fuzzy partical swarm optimization based on filled function and transformation function,FPSO-TF).以基于不同隶属度函数的多回路模糊控制系统为基础,进一步结合变换函数与填充函数,使该算法减少了陷入局部最优的可能,又可以跳出局部极小值点至更小的点,快速高效地搜索到全局最优解.最后采用基准函数对此算法进行测试,并与几种不同类型的改进算法进行对比分析,验证了此算法的有效性与优越性.

换热网络填充函数法的全局优化

换热网络全局优化问题属于混合整数非线性规划范畴,其难点是目标函数和约束条件呈现为严重的非线性和非凸特性,局部最优解陷阱星罗棋布。针对其全局优化的难点,应用一种变换函数的全局优化方法——填充函数法,对换热网络进行全局优化。通过具体的填充函数对某特定算例进行求解表明,通过不断的交替优化,填充函数能够使换热网络目标函数跳出局部最优解,从而更容易得到全局最优解。

约束全局优化问题的一个单参数填充函数方法(英文)

类似于无约束全局优化问题,本文给出了求解约束全局优化问题的一个填充函数方法,首先给出了约束全局优化问题的填充函数定义,在此定义的基础上提出了一个单参数填充函数。讨论了该函数的性质,并设计了一个填充函数算法,数值计算结果显示该算法是有效的和可行的。

全局优化问题的无参数填充函数法

通过对全局优化问题的填充函数算法的研究,克服了填充函数P(x,x*,γ,ρ)和P(x,x*)存在的缺陷,构造了2个连续的无参数填充函数W(x,x*)和-W(x,x*),并证明了它们满足填充函数的定义。数值试验的结果表明,新的填充函数算法对于求解全局优化问题是有效的。

一个基于填充函数变换的对称TSP问题的局部搜索算法

该文提出了求对称 TSP问题近优解的填充函数算法 .首先 ,在用局部搜索算法求得对称 TSP问题的一个局部极小解后 ,对该问题作填充函数变换得到一新的组合优化问题 ,新问题的局部极小解和最优解分别是原问题的局部极小解和最优解 ,而且在对称 TSP问题的目标函数值大于或等于其目标函数当前极小值的区域中 ,新问题只有一个已知的局部极小解 .随后用局部搜索算法求新问题的一个局部极小解 ,它或者是已知的局部极小解 ,或者是对称 TSP问题的更好的局部极小解 .对多个标准实例的计算试验表明 ,该文所构造的算法优于直接求解对称 TSP问题的局部搜索算法 .

求全局最优化问题的一种新定义的填充函数

提出了一种新的填充函数定义和填充函数,这种填充函数只含有一个参数且可以用来寻找全局优化问题的最优点.经过理论分析提出了一种新的填充函数算法.数值实验验证了此算法的有效性.

基于填充函数法训练BP神经网络的车牌字符识别算法

字符识别是车牌识别系统的一个关键问题。常用方法收敛速度慢,易陷入局部最优,用全局优化填充函数法训练BP神经网络的车牌字符识别算法可以跳出当前局部极小点,得到一个更低的极小点,重复此过程得到全局极小点,从而提高算法全局寻优能力。实验表明,该算法具有识别率高、识别速度快、车牌定位准确的特点,取得良好的运行效果。

无约束全局优化的一个新凸填充函数

对连续的非线性全局最优化问题,给出了一个新的凸填充函数,该函数带有两个容易调节的参数,它克服了原有的凸填充函数在计算上的不足之处;在讨论了所给出的凸填充函数性质的基础上,提出了一种求解连续无约束全局极小化问题的一种新的凸填充函数算法。

一个求解无约束优化问题的填充函数算法

填充函数法是求解无约束全局优化问题的一种方法,这种方法的关键是构造具有良好性质的填充函数.基于填充函数定义与性质的基本要求,构造了一个新的求解无约束全局优化问题的单参数填充函数.该函数形式简单,便于计算,并建立了相应的填充函数算法.最后,进行了数值试验,结果表明,该算法是有效的.

全局优化问题的一个单参数填充函数方法(英文)

利用改进的填充函数的定义,对一般的无约束最优化问题给出了一个新的单参数填充函数,分析并证明了此填充函数的性质.利用该填充函数,构造了新的算法,对此算法进行了数值实验,并将此算法做了比较,结果表明此填充函数算法是可行的.

基于填充函数方法的最小静态负荷裕度计算

电力系统运行中约束条件的多样性和复杂性很容易造成优化问题非凸和多峰,传统的优化方法很容易落入局部最优解中。填充函数可以使最优解跳出局部最优,以更大的可能性得到全局最优值。文中将全局的填充函数方法结合原对偶内点法应用于电力系统最小静态负荷裕度计算。传统负荷增长裕度的计算需要预先给定负荷增长方向,文中提出了一种可以考虑不同负荷增长方向的计算模型,只要给定负荷增量的功率因数,就可以求得最小静态负荷裕度及相应的负荷增长方向。此模型非凸并且负荷裕度边界超平面是多峰的,填充函数的使用可以有效避免局部最优。算例计算说明了该模型和求解方法的有效性,具有很好的实用价值。

求解整数规划的单参数填充函数(英文)

本文给出了一个新的求解离散全局最优化问题的单参数填充函数,并给出了一个新的算法,同时给出了对几个测试问题的数据计算结果.

求一类非光滑规划全局极小点的改进的填充函数法

考虑优化问题minx∈ΩF(x) ,针对F(x)为局部Lipschitz函数 ,本文引入了求解该优化问题的一类改进的单参数填充函数 ,给出了相应的算法和收敛估计 。

基于降维的填充函数方法

提出了一个基于降维技术的填充函数方法,用以求解箱约束非线性全局优化问题。首先利用降维变换将n维问题转化为一维问题,其次对一维问题运用填充函数方法求解,证明了降维填充函数的理论性质,并给出了算法和数值实验结果。

求解全局优化问题的填充函数法

给出一类基于目标函数和变量与极值点距离平方的填充函数,应用此函数可从一个极小值点出发,找到函数值小于此极值的另一极值点;证明了适当选取参数r可使函数达到总体极小值而非鞍点值或极大值,并给出了具体的算法步骤及算例.

寻求全局最优解的一个新的填充函数

该文通过构造一个新的填充函数来寻求一般无约束问题的全局最优解,且提出了所给填充函数的几个分析性质,并设计了一个填充函数算法.数值试验表明,该文的方法是有效的.