非线性方程组的仿射尺度内点信赖域算法

很多领域研究寻优问题时,所采用的寻优算法普遍存在全局搜索能力差、收敛速度慢的问题,导致求出的解无法达到最优。针对上述问题,研究了一种非线性方程组的仿射尺度内点信赖域算法。构建目标最小化或者目标最大化非线性方程组,并针对方程组设置等式或者不等式约束条件;在约束条件下,利用仿射尺度内点信赖域算法求取非线性方程组最优解;将所研究算法应用到有功优化当中,以线损最小化和电压偏差最小化构建非线性方程组,并为其设置四个约束条件,利用仿射尺度内点信赖域算法求取最优解。实验结果表明:与自适应粒子群算法、樽海鞘群算法以及改进差分灰狼算法相比,所研究算法应用下,线损以及电压偏差均要更小,说明仿射尺度内点信赖域算法的求解结果更优,算法的寻优能力更强。

简单界约束优化的仿射尺度内点信赖域算法的收敛性

本文对简单界约束优化问题提出一种仿射尺度内点信赖域算法,讨论了算法的全 局收敛性,在没有严格互补假设条件下,分析了算法的局部收敛性,给出了数值试验结果.

线性不等式约束优化问题的仿射内点信赖域子空间算法

使用仿射变换内点回代技术的信赖域子空间算法解线性不等式约束的非线性优化问题．通过构造一个二维子空间,在子空间中求解信赖域的子问题得到迭代方向,结合线搜索内点回代技术获得可接受的步长因子,产生保证目标函数值单调下降的严格内点可行迭代序列．子空间技术的应用使得该方法适用于求解大规模问题．在合理的假设条件下,给出了信赖城子空间算法的良好性质,从而保证了算法不仅具有整体收敛性,而且保持超线性收敛速率,数值计算结果表明了算法的有效性．

有界约束非线性方程组的仿射尺度内点信赖域方法(英文)

提供了仿射信赖域策略结合非单调线搜索算法解有界约束非线性方程组.基于简单有界约束的非线性优化问题构建信赖域子问题,但所用的最小仿射尺度比Coleman和Li所用的仿射尺度更为一般.在合理的条件下,文中提供的最小仿射尺度,在没有严格互补假设条件下,可给出更强的全局收敛性结果.引入非单调技术能克服高度非线性的病态问题.

基于原对偶仿射尺度内点法的电力系统无功优化算法

本文对潮流雅可比矩阵进行变换直接求取灵敏度系数，建立求解无功优化问题的线性规划模型，并提出采用一种有效的方法——原对偶仿射尺度内点法求解线性规划模型。该算法具有多项式时间复杂性。实际系统的计算结果表明，此算法的迭代收敛次数稳定，与系统规模关系不大，在求解大规模系统无功优化问题时，其性能优于具有指数时间复杂性的单纯性法。

带界约束的仿射尺度信赖域法的无功优化

为有效处理无功优化模型中不等式约束且不扩大问题的规模,建立了与无功优化问题的库恩-塔克(KKT)条件等价的新模型。通过引入对角矩阵,消去KKT系统中关于界约束的互补关系,减少了变量维数,并采用一类求解带界约束非线性方程组的仿射尺度信赖域算法。该算法具有信赖域的全局搜索性和牛顿法的超线性收敛性,并可保持无功界约束的可行性。对IEEE-30、57、118节点系统进行仿真计算,并与常规非线性优化方法比较,结果表明该方法具有较好的收敛特性和计算效果。

一类非线性规划问题的信赖域内点算法

本文对约束为线性的一类非线性优化问题提出了一种信赖域内点算法 .其中约束非负性要求通过一个仿射变换阵实现 ,其子问题变成了一个带仿射变换的线性等式约束的求解 .我们证明了算法的有效性 ,在一定条件下证明了由算法产生的序列收敛到优化问题的一阶稳定点 ( Kuhn- Tucker点 )

线性不等式约束的广义非线性互补问题的仿射内点信赖域方法

提供了一种新的非单调内点回代线搜索技术的仿射内点信赖域方法解线性不等式约束的广义非线性互补问题(GCP).基于广义互补问题构成的半光滑方程组的广义Jacobian矩阵,算法使用l_2范数作为半光滑方程组的势函数,形成的信赖域子问题为一个带椭球约束的线性化的二次模型.利用广义牛顿方程计算试探迭代步,通过内点映射回代技术确保迭代点是严格内点,保证了算法的整体收敛性.在合理的条件下,证明了信赖域算法在接近最优点时可转化为广义拟牛顿步,进而具有局部超线性收敛速率.非单调技术将克服高度非线性情况加速收敛进展.最后,数值结果表明了算法的有效性.

求解P_*(κ)-阵线性互补问题的高阶仿射尺度内点算法

对P*(κ)-阵线性互补问题提出了一种高阶内点算法.算法的每步迭代是基于线性规划原始-对偶仿射尺度算法的思想来确定迭代方向,再通过适当选取步长,得到算法的多项式复杂性.

信赖域内点算法使用非单调回代技术解有界变量约束的优化问题(英文)

改进了Coleman和Li提出信赖域内点算法解有界变量约束的优化问题.由信赖域子问题产生的迭代步运用于信赖域和非单调回代技术的混合策略.在定理的条件下,证明修正后算法的整体收敛性和快速的局部收敛速率.非单调准则能使问题在病态情况下加快收敛进程.

求解线性约束规划问题的信赖域仿射尺度法

考虑到求解线性规划问题的仿射尺度法实际有效 ,但有时不具有全局收敛性 ,而求解无约束优化问题的信赖域法具有很好的全局收敛性 ,结合求解线性规划问题的仿射尺度法和求解无约束优化问题的信赖域法 ,给出了求解线性约束规划问题的一种信赖域仿射尺度法 ,并证明了该算法的收敛性 .数值试验表明 ,所给方法是实际有效的 .

线性规划的不可行内点原始对偶仿射尺度算法

本文对线性规划提出了一个不可行内点原始 对偶仿射尺度算法 。

非线性规划的序列仿射尺度投影内点算法

本文提出了求解非线性规划的一种序列二次规划内点算法 ,与其他算法的不同之处在于引进了仿射尺度变换 ,且避免了一维搜索 ,这使得该算法的计算量获得了明显的减少 .本文给出了算法的详细迭代步骤并讨论了算法的收敛性 .

仿射变换内点信赖域方法求解变分不等式问题(英文)

本文研究了求解非线性约束变分不等式问题(VIP)的一个新的算法.利用KKT条件的非光滑方程形式,得到了与VIP等价的简单约束优化问题.提出了求解VIP的一类结合回代线搜索技巧的仿射变换内点信赖域算法.在较弱的条件下证明了算法具有整体收敛性,进一步在某些正则条件下,证明了算法具有超线性收敛速度.

仿射变换内点信赖域类方法解单调变分不等式问题(英文)

基于Taji引入的一类可微的简单边界约束的严格单调变分不等式问题的势函数,本文提出了仿射变换内点信赖域类修正牛顿法.进一步,作者不仅从理论上证明了该算法的整体收敛性,并且在合理的假设条件下,给出了算法具有局部二次收敛速率.

一种约束非光滑优化问题的信赖域算法

提出了一种易实施的求解带线性约束的非光滑优化问题的信赖域算法 ,并在一定的条件下证明了该算法所产生的迭代序列的任何聚点都是原问题的稳定点 .有限的数值例子表明 。

一个关于二次规划问题信赖域中可行下降算法

采用变量消去法化二次规划问题 ,使用一个基于信赖域子问题的内点算法来获得其可行下降方向 ,提出了关于二次规划问题信赖域中可行下降的新算法 ,证明了算法具有全局收敛性 .计算实例表明 。

带非线性不等式约束优化问题的信赖域算法

借助于KKT条件和NCP函数,提出了求解带非线性不等式约束优化问题的信赖域算法.该算法在每一步迭代时,不必求解带信赖域界的二次规划子问题,仅需求一线性方程组系统.在适当的假设条件下,它还是整体收敛的和局部超线性收敛的.数值实验结果表明该方法是有效的.

一种求解半定规划的非单调信赖域算法

提出一种求解半定规划的非单调信赖域算法。利用推广至矩阵域的光滑Fischer-Burmeister函数,转化半定规划的最优性条件,改写半定规划的中心路径,得到与其等价的无约束优化问题的非线性可微光滑方程组,在求解信赖域子问题时,利用当前迭代点的一阶梯度信息,给出信赖域半径的选取机制。仿真结果表明,与经典的内点算法相比,对于一般规模(n,m≤30)的半定规划问题,该算法的运行速度较快。对于大规模的半定规划问题(n,m>30),该算法更适合处理Norm min、Lovasz这2类问题。

前向神经网络信赖域学习算法的研究

本文介绍了引入信赖域优化理论解决神经网络中学习问题的新算法,提出了计算有效信赖域步方法,以保证信赖域算法的正确性,采用变系数方法避免了信赖域半径自适应调整过程中不稳定和低效的问题。实验表明,信赖域学习算法优于变尺度算法。