凸二次规划问题基于核函数的全牛顿步内点算法

针对凸二次规划问题,构造了新的核函数。通过构造的核函数来确定搜索方向和逼近度量,接着给出了求解凸二次规划问题的全牛顿步内点算法,最后给出了算法的复杂性界。

球约束二次规划问题的一个计算方法

研究球约束二次规划问题 .将一般的球约束二次规划问题转化为球约束凸二次规划问题 。

基于最优D.C.分解的单二次约束非凸二次规划精确算法

本文提出一种基于最优D.C.分解的单二次约束非凸二次规划精确算法.本文首先对非凸二次目标函数进行D.C.分解,然后对D.C.分解中凹的部分进行线性下逼近得到一个凸二次松弛问题.本文证明了最优D.C.分解可通过求解一个半定规划问题得到,而原问题的最优解可以通过计算最优凸二次松弛问题的满足某种互补条件的解得到.最后,本文报告了初步数值计算结果.

基于DC分解的非凸二次规划SDP近似解

本文提出一类基于DC分解的非凸二次规划问题SDP松弛方法,并通过求解一个二阶锥问题得到原问题的近似最优解.我们首先对非凸二次目标函数进行DC分解,然后利用线性下逼近得到一个凸二次松弛问题,而最优的DC分解可通过求解一个SDP问题得到.数值试验表明,基于DC分解的SDP近似解平均优于经典SDP松弛和随机化方法产生的近似解。

地铁列车运行过程的线性二次型最优建模及内点算法求解

针对地铁列车运行过程的能量最优控制问题,根据列车的牵引/制动特性、线路限速、乘坐舒适性等要求建立列车运行过程线性二次型最优模型。为求解该模型,提出了一种时间域内状态变量离散化策略,将其转换为一个凸二次规划问题,并采用原—对偶预测校正内点算法获得所建立模型的近似解。算例计算和仿真结果表明,采用该线性二次型模型,可以在满足行车约束条件下实现地铁列车消耗能量的最小化。

考虑阻力约束的列车能量最优驾驶问题建模及分离迭代求解策略

根据列车的动力学模型,牵引、制动特性,阻力,限速等条件,建立列车能量最优驾驶问题的数学模型。由于坡道阻力和运行阻力的引入,约束条件中的微分方程组(ODEs)增广成为复杂的微分代数方程组(DAEs),使得问题难以求解。首先在时间域内将状态变量和控制变量离散化,将问题转化为一般非线性规划问题;针对该非线性规划问题,提出一种分离迭代策略将其转化为一系列凸二次规划问题,最后采用原-对偶预测校正内点算法求解。算例结果表明,所提出的分离迭代策略在满足列车约束条件下可以实现能量消耗最小。

基于猜测价格函数的混合输电权竞价策略分析

作为市场参与者规避阻塞价格风险的工具,输电权已被成功应用于多个电力市场。文中基于猜测价格函数,提出了一种混合输电权竞价策略的分析方法。在所建模型中,竞标个体可以购买任意组合的义务型金融输电权(FTR)、期权型FTR和关口输电权(FGR),其策略性竞价行为则通过猜测价格函数进行模拟。将该模型的计算转化为求解一个凸二次规划问题,不仅保证了解的唯一性和存在性,还使得该方法能够用于大规模混合输电权市场中的竞价策略分析。通过算例验证了该方法的有效性。

基于BB步长的一类原始-对偶算法

增广拉格朗日乘子法(ALM)是求解带等式约束的二次凸优化问题的常用方法,但罚参数选取不当时,收敛速度比较慢.提出ALM-BB算法,利用Barzilai-Borwein(BB)算法的步长去改进原始的ALM,证明ALM-BB算法的收敛性.最后将这类方法运用于求解范数最优控制问题.数值算例表明改进的算法收敛速度更快.

基于拉格朗日对偶的一类全局优化算法

针对带有非凸二次函数约束的非凸二次规划问题(NQP),提出了一个基于拉格朗日对偶的确定型全局优化算法,这类优化算法可广泛应用于工程设计和非线性系统的鲁棒稳定性分析等实际问题中.为求解此问题,首先,应用拉格朗日对偶对原问题进行下界估计.其次,为克服拉格朗日对偶问题的非凸性,利用线性化方法,得到拉格朗日对偶问题的线性下界估计,并且由此建立了NQP拉格朗日对偶问题的松弛线性规划(RLP).如此通过对RLP可行域的细分和一系列RLP的求解过程,从理论上证明了算法收敛到NQP的全局最优解.数值算例应用结果表明,该方法是可行的.

退化情形下高斯-赛德尔迭代法的几个问题

高斯-赛德尔迭代法是一种经典的求解线性方程组的迭代算法,它对数值线性代数及数值最优化的发展产生了深远的影响.本文主要讨论求解系数算子自伴随且半正定但未必正定的线性方程组的(即退化情形的)高斯-赛德尔迭代法.我们回顾该算法收敛性分析的发展历史,并从与线性方程组等价的无约束凸二次规划问题出发,讨论基于高斯-赛德尔迭代的分块坐标下降法的收敛性,从而等价地得出高斯-赛德尔迭代法求解这类线性方程组的收敛性.与此同时,我们还将讨论与高斯-赛德尔迭代法密不可分的对称高斯-赛德尔迭代法,对比两者收敛性分析的异同.事实上,这其中的不同之处既促使了本文给出无约束凸二次规划问题分块坐标下降法的收敛性证明,又为很多相关问题的后续研究提供了动机.最后,基于本文内容,我们将提出一些与之密切相关但尚未解决的问题,并把它们作为进一步深入研究的对象.