集优化问题的适定性和稳定性

在赋范线性空间中讨论了集优化问题的适定性和稳定性.首先,给出集优化问题3种适定性的概念及其关系.其次,借助局部锥Lipschitz连续性并运用分析方法刻画了集优化问题的适定性.最后,研究了具锥Lipschitz连续性集值映射的参数集优化问题的Berge连续性和极小解映射的紧性.

面向大规模优化问题的精英贡献两阶段动态分组算法

协同进化框架是解决大规模全局优化问题的有效方法,设计合理的决策变量分组方法是提高协同进化算法性能的关键,而利用精英决策变量动态构建精英子组件可以有效提高进化效率,但在进行大规模优化时,其可能将无关的变量分配到同一子组件,从而无法充分利用分组提高协同进化效率。针对该问题,提出一种精英贡献两阶段动态分组算法(EC-TSDG)。在分组前阶段,对变量进行随机分组,评估变量的贡献程度,从众多变量中寻找精英贡献变量;在分组后阶段,利用变量的相关关系寻找与精英决策变量存在相互作用的剩余变量,并将其合并形成精英子组件,使得精英子组件内部的变量两两相关,以此提高变量分组的准确性以及算法的收敛速度,避免子组件之间的相关干扰。最后,采用具有外部存档的自适应差分进化算法作为优化器进化各个子组件。在CEC'2013测试集上与其他先进算法进行比较,实验结果表明,EC-TSDG收敛速度快于对比算法,Friedman检验值为1.43,平均排序较对比的动态分组算法DCC平均提升36.78%。

基于代理模型估值不确定度的昂贵多目标优化问题研究

针对代理模型辅助的多目标优化算法中个体不确定度之间相互冲突的问题,本文提出个体每个目标估值不确定的填充准则,同时,为了减少训练模型消耗的计算资源,提出基于非支配排序的样本选择算法。为了验证该算法的可行性,采用DTLZ和WFG测试函数进行测试,得出结果与近些年发表5种具有代表性的同类型算法进行对比,结果说明该算法可以有效的解决昂贵高维高目标优化问题。

一种求解高维优化问题的改进灰狼算法

为求解高维优化问题,提出基于反向学习和衰减因子的灰狼优化算法(grey wolf algorithm based on opposition learning and reduction factor,ORGWO).设计一种灰狼反向学习模型,模型考虑问题搜索边界信息和种群历史搜索信息,初始种群阶段增加反向学习,增强种群多样性.根据算法各个阶段不同特征引入衰减因子,平衡全局和局部勘探能力.选取8个高维函数和23个不同特征的优化函数对算法性能进行测试,进一步使用收敛性分析,寻优成功率,CPU时间,Wilcoxon秩和检验来评估改进算法,实验结果表明,ORGWO算法在求解高维问题上具有较好的精度,鲁棒性和更快的收敛速度.

二元凸复合与DC复合优化问题的最优性条件

利用变分分析相关结论,对二元凸复合优化问题和DC复合优化问题的最优解进行刻画,推广了前人的相关结论。

求解约束优化问题的改进蛇优化算法

结合外点罚函数法与改进蛇优化算法求解约束优化问题,得到一种新的求解约束优化问题的算法WDFSO。算法WDFSO首先通过外点罚函数法将约束优化问题转化为一系列界约束优化问题,然后运用基于变异质心的对立学习策略与种群分类策略改进的蛇优化算法对所得界约束优化问题进行求解,进而获得所求约束优化问题的解。为验证算法WDFSO的有效性,选取CEC2006中19个标准约束优化问题进行数值实验,并使用Wilcoxon秩和检验来证明算法的显著性。实验结果表明,与对比算法相比,算法WDFSO求解约束优化问题具有更高的收敛精度和更好的稳定性。最后应用算法WDFSO求解两个工程约束优化问题,结果表明算法WDFSO求解性能更好。

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.

非负组稀疏约束优化问题的最优性条件

基于Bouligand意义下的切锥与法锥和Clarke意义下的切锥与法锥,该文研究了非负组稀疏约束优化问题的最优性理论.该文定义了非负组稀疏约束集的Bouligand切锥与法锥和Clarke切锥与法锥,并给出了它们的等价刻画形式.在目标函数连续可微的条件下,借助于非负组稀疏约束集的切锥和法锥,给出了该优化问题的四类稳定点的定义,并讨论了它们之间的关系.最后,建立了非负组稀疏约束优化问题的一阶和二阶最优性条件.

集值优化问题弱极小解的逼近定理

目的:针对集值优化问题,考虑该问题的近似弱极小解序列的收敛性。方法:通过定义集值优化问题的ε-近似弱极小解的概念,在有限理性的框架下寻求一个集值优化问题的近似弱极小解序列来逼近其精确解。结果:给出了集值优化问题弱极小解的一个逼近定理以及两个重要推论。结论:证明了在一定条件下对于集值优化问题可以用在有限理性下的近似解来逼近在完全理性下的精确解,这一结果为该问题的计算提供了一种理论支持。

大规模可分凸优化问题的非精确自适应步随机原始对偶算法

本文研究了可分优化问题,针对其目标函数的可分性,分裂算法将目标函数分解成更小、 更容易 处理的子问题, 如原始对偶混合梯度算法。 本文探讨了目标函数的邻近算子的非精确求解策略,并 基于此提出了一个非精确自适应步随机原始对偶算法。 我们分析了误差序列选取方式对算法收敛 速率的影响,发现不同的误差序列选择会导致算法在收敛速度和稳定性方面表现出显著的差异。 此外,该算法在实际应用中也展现出了更高的效率和灵活性。

微分方程方法求解约束优化问题

本文探讨了微分方程方法在求解约束优化问题的应用,讨论解的收敛性和收敛速度。首先,通过对原始约束优化所对应的Karush-Kuhn-Tucker条件进行转换后,利用光滑互补函数,将问题转化成求解光滑方程组S(ε,x,μ,λ)=0,进一步转化成无约束优化问题。我们利用了微分方程系统来求解最终的无约束优化问题,并在一定的约束条件下,得到了该微分方程系统的解稳定性及收敛速度,从而得到了所求约束优化问题的收敛性和解的收敛速度。最后,给出数值实验说明所提出的微分方程方法求解约束优化问题的有效性。

一元DC复合优化问题的最优性条件

约束优化问题在自动控制、图像处理、水处理、网络分析、工程设计中有着十分重要的应用,实际生活中的许多问题在一定条件下都可以看作或者转化为一个约束优化问题,因此约束优化问题的研究具有非常重要的意义。本文将在函数不一定具有连续性,集合不一定是闭集的情形下,利用函数上图、次微分性质和凸化技巧,引入新的约束规范条件,对一元DC复合约束优化问题进行研究。从而建立了一元DC复合优化问题的局部和全局最优性条件的充分和必要条件,推广了前人的结论。

带复合函数的分式优化问题的最优性条件

本文通过利用次微分性质引入新的约束规范条件,在这些约束条件下建立了带复合函数的分式优化问题的最优性条件。

互联网时代下商业银行会计优化问题研究

随着互联网时代的到来,商业银行面临着前所未有的挑战和机遇。本文通过对互联网时代下商业银行会计特点的分析,深入探讨了存在的主要问题,并提出了一系列有效的优化策略,以期提高商业银行会计工作的效率和质量,促进商业银行在互联网时代下的进一步发展。

电子商务视角下集合优化问题的Levitin-Polyak良定性

在许多经济模型中,决策者需要通过比较集值优化问题的目标函数来衡量支出以达到自身收益的最大。在电子商务视角下,本文讨论了有限理性下基于改进集的集合优化问题E-u-最小解集的Levitin-Polyak良定性和广义Levitin-Polyak良定性,并通过有限理性模型证明了该良定性的充分条件。此外,借助非线性分析的方法给出了集合优化问题(广义) Levitin-Polyak良定性的特征刻画。这些结果为电子商务在实际生活中的应用打下了夯实的理论基础。In many economic models, decision-makers need to measure expenditures by comparing the objective functions of set-valued optimization problems in order to achieve maximum benefit. Under the perspective of E-commerce, this paper studies the Levitin-Polyak well-posedness and generalized Levitin-Polyak well-posedness of E-u-minimal solution of set optimization problems under bounded rationality via improvement set. Furthermore, the sufficient condition of well-posedness is given by using a bounded rationality model. Besides, we obtain the characterization of (generalized) Levitin-Polyak well-posedness for the problem by utilizing nonlinear analysis method. These results have laid a solid theoretical foundation for the application of E-commerce in practical life.

多目标优化问题的进化计算方法

多目标优化问题在实际应用中广泛存在,涵盖了工程设计、资源分配、机器学习等领域。由于其具有问题空间复杂、决策变量众多及目标之间存在相互矛盾的特性,传统优化方法难以在解空间中找到全局的、非支配的解集。为解决多目标优化问题,文章探究了基于进化计算的方法。

面向全局和工程优化问题的混合进化JAYA算法

为了更好求解复杂函数优化和工程约束优化问题,进一步增强JAYA算法的寻优能力,提出一种面向全局优化的混合进化JAYA算法.首先在计算当前最优和最差个体时引入反向学习机制,提高最优和最差个体跳离局部极值区域的可能性;然后在个体位置更新中引入并融合正弦余弦算子和差分扰动机制,不仅增加了种群的多样性,而且较好平衡与满足了算法在不同迭代时期对探索和挖掘能力的不同需求;最后在算法结构上采用奇偶不同的混合进化策略,有效利用不同演化机制的优势结果,进一步提升了算法的收敛性和精度.之后给出了算法流程伪代码,理论分析证明了改进算法的时间复杂度与基本JAYA相同,而通过6种代表性算法在包含和组合了30个基准函数的CEC2017测试套件上进行的多维度函数极值优化测试,以及对拉伸弹簧、波纹舱壁、管柱设计、钢筋混凝土梁、焊接梁和汽车侧面碰撞6个具有挑战性的工程设计问题的优化求解,都清楚地表明改进后算法的寻优精度、收敛性能和求解稳定性均有显著提升,在求解CEC复杂函数和工程约束优化问题上有着明显优势.

新型单层递归神经网络解决非光滑伪凸优化问题的研究

非光滑伪凸优化问题广泛应用于科学及工程等领域,属于一类特殊的非凸优化问题,具有重要的研究意义.针对含有等式约束和不等式约束条件的非光滑伪凸优化问题,该文提出了一种新的神经动力学方法,并引入罚函数和正则化思想.通过有效的罚函数保证了所提出的神经网络状态的有界性,从而保证神经网络的状态解在有限时间内进入可行域中,最终收敛到原问题的最优解.最后,用两个数值实验验证了所提出模型的有效性.与现有的神经网络相比,该文的模型有以下优势:避免预先计算精确的惩罚因子,初始点的选取无特殊要求,结构简单.

带消失约束的区间值优化问题的最优性条件与对偶定理

本文考虑一类带消失约束的非光滑区间值优化问题(IOPVC)。在一定的约束条件下得到了问题(IOPVC)的LU最优解的必要和充分性最优性条件,研究了其与Mond-Weir型对偶模型和Wolfe型对偶模型之间的弱对偶,强对偶和严格逆对偶定理,并给出了一些例子来阐述我们的结果。

强化学习求解组合优化问题的研究综述

组合优化问题广泛的存在于生产实践的各个领域,解决组合优化问题的主要手段通常包括使用由领域专家人工设计的启发式算法以及设计成熟的求解器,按照一定顺序构建一个解决方案.而随着实际问题复杂度逐渐的增加,这类方法无法于在线求解方面取得很好的效果,得到的结果可能往往是次优的.而强化学习给出了一个很好的替代方案,通过对智能体模型的良好训练,迅速地对此类问题进行求解.故回顾了近年来将强化学习框架应用于组合优化问题的研究,对其基本原理、相关方法、应用研究进行总结和综述,并指出未来该方向亟待解决的若干问题.