无源滤波器设计的优化方法及其仿真研究

利用混合罚函数的概念，将滤波。无功补偿以及电容电压电流等问题的解决方案的经济性综 合为非线性规划问题，并讨论了滤波器设计的优化方法。文中还建立了无源滤波器的综合友 模型，从而大大简化了计算。通过仿真研究，进一步确认了该方法的正确性和可行性。

末段高低两层协同反导火力分配模型研究

火力分配是末段高低两层反导作战的重要环节,分配方案的优劣、分配效率的高低将对反导作战效能产生重要影响。在深入分析末段协同反导作战基础上,提出了火力分配原则,并建立了末段协同反导作战火力分配模型。引入惩罚函数简化模型,并采用MPDE算法对模型进行求解。通过仿真分析,验证了模型的合理性和算法的有效性,并得出末段协同反导火力分配一般规律。

用模拟退火算法改进管壳式换热器的优化设计

介绍了一种由两级管壳式换热器组成的换热器系统的优化设计数学模型,数学模型属于典型的有约束非线性规划问题。目前对有约束非线性规划问题还没有通用的求全局最优解的算法。转轴直径搜索可行方向法(DSFD方法)是一种比较有效的求解有约束非线性规划问题的算法,但它只能得到局部最优解。将模拟退火(SimulatedAnnealing)算法结合DSFD算法,构成了一种DSFD-SA-DSFD算法。在应用模拟退火算法的同时引入了罚函数法,将有约束非线性问题转化为无约束非线性问题。计算结果表明,DSFD-SA-DSFD算法能较快得到换热器优化问题的最优解,克服了单纯用DSFD算法只能得到局部最优解和单纯用SA算法效率不高的缺点。

支持向量学习的多参数同时调节

模型选择是支持向量学习的关键问题.已有模型选择方法采用嵌套的双层优化框架,内层执行支持向量学习,外层通过最小化泛化误差的估计进行模型选择.该框架过程复杂,计算效率低.简化传统的双层优化框架,提出一个支持向量学习的多参数同时调节方法,在同一优化过程中实现模型选择和学习器训练.首先,将支持向量学习中的参数和超参数合并为一个参数向量,利用序贯无约束极小化技术(sequential unconstrained minimization technique,简称SUMT)分别改写支持向量分类和回归的有约束优化问题,得到多参数同时调节模型的多元无约束形式定义;然后,证明多参数同时调节模型目标函数的局部Lipschitz连续性及水平集有界性.在此基础上,应用变尺度方法(variable metric method,简称VMM)设计并实现了多参数同时调节算法.进一步地,基于多参数同时调节模型的性质,证明了算法收敛性,对比分析了算法复杂性.最后,实验验证同时调节算法的收敛性,并实验对比同时调节算法的有效性.理论证明和实验分析表明,同时调节方法是一种坚实、高效的支持向量模型选择方法.

庄家控股模型的解法及解的性质

在对庄家控股模型进一步细化的前提下,讨论了模型的求解限制条件,并在给定参数下,利用制约函数法得到了模型的数值解.通过对其数值解的对比分析,进一步了解了非有效证券市场条件下庄家的控股规律,并证实了模型是对现实市场中庄家控股行为的较为合理的描述.最终指出,模型中的参数研究将是把模型用于现实分析中的关键.

一种基于非均匀惩罚因子的序列无约束最优化外点新算法

增广拉格朗日乘子方法(Augmented Lagrange multiplier method)是拉格朗日乘子方法(Lagrange multiplier method)的推广,它是一种序列无约束的最小化技术,包括内点法和外点法,内点法适用于仅有不等式约束的情形,其主要思想是对违背可行性的约束给予一个惩罚。传统的做法是:对所有约束以相同的罚因子,自适应调整Lagrange乘子。提出了一种非均匀惩罚的自适应更新罚因子的方法,即根据近似解对约束违反的严重程度施行不同惩罚的新方法。算例表明,本方法是有效的。

TDMA系统中语音和数据多路复用的最优化设计

现代移动通信领域中,数据业务的发展,需要把越来越多的数字信号与传统的语音信号复合起来在信道中传输。如果没有有效的机制,语音信号的传输常常会被数据信号所阻断,而数据信号的时延也会令人无法忍受。该文应用最优化设计理论中惩罚函数的算法,搜索语音与数据在帧中最佳相对位置,使语音传输被阻断的概率和数据排队的延迟达到最小。从而优化了结构,获得最大的吞吐量、提高了TDMA传输系统的性能。

药物配方优化的计算机辅助设计研究Ⅱ─—序贯无约束极小化方法及其应用

应用序贯无约束极小化方法（也称混合罚函数法）于药物配方优化设计，设计的程序已在计算机上实现，其正确性和有效性通过实际优化例子得到了验证。

面向原料均衡供应的SUMT番茄种植决策方法

为解决番茄酱产季番茄原料供应不均衡问题,从番茄种植的视角,构建了番茄种植的非线性数学决策模型,提出采用SUMT(序列无约束极小化技术),对番茄产量和采收期时延变量作用下的种植策略进行研究.结果表明,SUMT在番茄的规模种植下可实现精量化决策;番茄采收期时延是影响原料均衡供应的主要因素之一,采用SUMT获得不同采收期时延下的最佳番茄种植决策.该研究建立了目标优化模型,探索了SUMT在番茄种植规划中的应用,对番茄种植决策、实现原料均衡供应有指导意义.