求解绝对值方程稀疏解的增广拉格朗日方法

设计了一类求绝对值方程稀疏解的增广拉格朗日方法.首先将绝对值方程稀疏解问题转换成含不等式约束的线性规划问题.然后将该线性规划视为4块可分离的凸规划问题,进而设计了求解该凸规划问题增广拉格朗日方法.与经典的增广拉格朗日方法不同,该方法包含了一个带常数步长的校正步,同时与其他类似方法相比,该步长的取值范围更大.利用该方法求解绝对值方程的稀疏解.数值结果验证了方法的可行性与有效性.

极小子样试验的虚拟增广样本评估方法

提出一种针对极小子样试验的虚拟增广样本评估方法。在工程实际中,对于成本昂贵的大型复杂结构体系或机构系统,往往只能做试件样本量为1或2的极小子样试验。在这种情况下,先根据极小子样试验的试验样本值虚拟增广样本,即把样本量从n=1虚拟增广至n=13,然后根据增广样本构造经验累积分布函数并对其进行修正,最后应用Bootstrap方法对增广样本进行评估,得到未知参数的估计。文中采用一个实例验证了所提出方法的实用性。

航空发动机控制系统中的增广LQR方法

采用一种增广LQR方法,将原系统状态的导数和指令跟踪的误差作为增广的状态向量,使设计出来的多变量系统不仅具有LQR的好的鲁棒性,而且在用于指令跟踪时能消除稳态误差。当状态量不是全部可测时,本文采用降维观测器得到一种准最优的增广LQR方法,其性能比LQG方法有显著改善,能满足航空发动机多变量控制系统的设计要求。最后,数字仿真验证了本文提出的方法。

基于ε-约束方法的增广Lagrangian多目标协同进化算法

介绍了一种利用协同进化算法求解多目标优化问题的算法。这种算法首先采用ε- 约束方法对多目标优化问题进行处理 ,使其转化为一个单目标带约束的优化问题 ;然后 ,采用增广Lagrangian方法把这个单目标约束优化问题转化成一个存在鞍点的二人零和博弈问题 ;最后 ,利用协同进化的思想 ,用两个种群分别表示目标函数和约束这两个局中人 ,对这个二人零和博弈问题求解。进化过程中的选择、重组和变异算子均采用简单遗传算法(SGA)的机制。通过对两个实验测试问题的研究可以看出 ,这种算法比其它同类进化算法所得的结果要精确、稳定。

不可否认协议分析的增广CSP方法

提出一种适用于不可否认协议分析的增广CSP(communicating sequential processes)方法。检验有效性时使用它分析了Zhou等人于1996年提出的公平不可否认协议及其变体的安全性。结果表明该方法不仅能分析一些其他方法无法描述的协议性质,而且还发现了该协议的一个许多其他方法不能发现的已知缺陷;同时还证明协议变体增强了安全性。最后从语义和理论依赖2个角度讨论了方法正确性,并给出与其他方法相比所具备的优势。

复杂系统优化的主控式增广拉格朗日协调方法

鉴于增广拉格朗日协调方法中两种协调方式存在的不足,即集中式协调方式因引入主问题使耦合量增加而降低了协调执行效率,分布式协调方式因要求各子问题连续求解而降低了并行计算,提出兼顾效率与并行计算的主控式增广拉格朗日协调方法,并分别对主控问题的引入机制、适用条件和选择原则进行了讨论,同时给出了其模型数学等价性论证和收敛性分析。通过实例仿真结果表明了所提方法的有效性和可行性,为了解和使用该方法以解决复杂机械系统设计等优化问题提供了全面的参考。

基于增广拉格朗日方法的多柔体动力学研究

采用绝对节点坐标方法研究了受非线性约束的大变形多柔体系统动力学问题。基于增广拉格朗日方法推导建立了系统的动力学方程。方程中的未知变量数目与约束方程数目无关,仅以广义位置为基本变量进行求解。采用不变矩阵法计算系统弹性力,引入Broyden拟牛顿法大大提高了求解效率。系统仿真结果表明了所用方法的有效性。

一种基于GNC和增广拉格朗日对偶的非凸非光滑图像恢复方法

逐步非凸方法(GNC)和增广拉格朗日对偶在非凸非光滑图像恢复中有较高的恢复性能.然而分别使用这两种方法时GNC不能够保证全局收敛,增广拉格朗日对偶不能获得有效的初始值.为克服上述缺陷,本文通过转换原始问题为等式约束优化问题推出了一种基于GNC和增广拉格朗日对偶的组合图像恢复方法,并对其收敛性严格证明.该方法不仅可以获得有效的初始值,同时不要求问题具有凸性和光滑性.更多地,一个自适应能量函数通过对偶迭代而得到.实验结果表明推出的方法可以有效地提高图像恢复质量和算法效率.

运用增广矩阵束方法稀布优化平面阵

基于增广矩阵束方法(Matrix Enhancement and Matrix Pencil,MEMP),以使用尽可能少的阵元逼近期望的方向图为目标,提出了一种求解阵元位置和设计激励幅度的新方法.首先对期望平面阵的方向图进行采样得到离散的数据集,再构造增广矩阵,对此增广矩阵进行奇异值分解(Singular Value Decomposition,SVD),确定逼近期望方向图所需的最小阵元数目;基于广义特征值分解求解两组特征值,并根据类基于旋转不变技术的信号参数估计(Estimating Signal Parameters Via RotationalInvariance Techniques,ESPRIT)对这两组特值配对;在最小二乘准则下求解稀布面阵的阵元位置和激励.仿真试验验证了该方法在稀布平面阵优化问题中的高效性和数值精度.

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。

高效计算时间最优轨迹的牛顿-共轭梯度增广拉格朗日方法

基于牛顿-共轭梯度(Newton-CG)增广拉格朗日算法,给出了一种计算机数控(CNC)系统时间最优轨迹规划问题的高效求解方法.通过非线性变量代换,时间最优轨迹规划问题被表述为一个固定时间域的凸最优控制问题.基于扩展极大值原理,证明了弦误差与分轴加速度约束的时间最优轨迹具有bang-bang的约束结构.基于控制向量参数化方法,问题被转化为具有无穷维约束的半无穷规划问题.通过构造拉格朗日函数,约束优化问题转化为一系列无约束问题.由于问题凸性,故迭代求解采用高效的线搜索Newton-CG方法.通过求解给定测试路径的时间最优轨迹规划问题,验证了所提方法的有效性.

矩阵不等式约束下矩阵方程最小二乘问题的增广Lagrangian方法

称X∈R^(m×n)为实(R,S)对称矩阵,若满足X=RXS,其中R∈R^(m×m)和S∈R^(n×n)为非平凡实对合矩阵,即R=R^(-1)≠±I_m,S=S^(-1)≠±I_n.该文将优化理论中求凸集上光滑函数最小值的增广Lagrangian方法应用于求解矩阵不等式约束下实(R,S)对称矩阵最小二乘问题,即给定正整数m,n,p,t,q和矩阵A_i∈R^(m×m),B_i∈R^(n×n)(i=1,2,…,q),C∈R^(m×m),E∈R^(p×m),F∈R^(n×t)和D∈R^(p×t),求实(R,S)对称矩阵X∈R^(m×m)且在满足相容矩阵不等式EXF≥D约束下极小化‖∑_(i=1)~qA_iXB_i-C‖,其中EXF≥D表示矩阵EXF-D非负,‖·‖为Frobenius范数.该文给出求解问题的矩阵形式增广Lagrangian方法的迭代格式,并用数值算例验证该方法是可行且高效的.

浅谈增广Lagrange方法中的二阶分析

从极大化基于增广Lagrange函数的对偶函数的角度,可将增广Lagrange方法的乘子的迭代解释为常步长的梯度方法。增广Lagrange方法的有效性可以通过分析对偶函数的二阶微分得到。给出等式约束优化问题和一般约束非线性规划问题的对偶函数的二阶微分估计,解释为什么常步长的梯度方法具有快的收敛速度。

互补约束问题的部分增广Lagrange罚函数方法及其收敛性分析

本文受文献[3]的启发,对一般互补约束问题,提出了一种部分增广Lagrange罚函数法,该方法仅把较难处理的互补约束条件作了惩罚对象。通过改进的证明方法,比文献[3]所采用条件更弱的条件下,即假设在相应的罚问题对应的拉格朗日函数的Hesse矩阵在其切平面上关于α下有界的条件下,得到了算法所产生的迭代序列收敛到原互补约束问题的一个B-稳定点的收敛性结果。

关于单调变分不等式的一种邻近增广拉格朗日方法

对单调变分不等式的一种新的拉格朗日方法 (AL)进行讨论。这种方法只需要解一系列强单调变分不等式子问题。允许参数从一个叠代点到另一个叠代点变化。

增广拉格朗日函数的两种可分化方法之比较

可分方法用于将一个复杂的大规模优化问题分解成各个子问题进行求解。增广拉格朗日松弛方法的主要缺点是由其引入的二次项是不能分离的。为了处理这种增广拉格朗日函数的不可分离性,可将辅助问题原理方法或分块坐标下降方法应用于增广拉格朗日松弛方法。与已有文献中对带有约束条件x-x-=0的优化问题进行这两种可分方法的比较不同,本文对带有更一般的约束条件——线性约束z=Ax的优化问题进行这两种可分化方法的比较;最后给出的两个算例证实了本文的理论分析结果——在处理不可分离的增广拉格朗日函数的时候,在一定条件下,分块坐标下降法往往比辅助问题原则法更快得到最优值。

基于增广拉格朗日方法的电动汽车聚合商分散充电控制策略

在电动汽车保有量日益攀升的背景之下,研究了配电网中电动汽车聚合商的分散充电控制策略。考虑配电网的系统约束以及所辖电动汽车充电需求的约束,以分时电价机制下的电动汽车聚合商充电收益最大化为目标,建立了电动汽车聚合商的集中充电控制模型。针对集中控制策略在实际应用中所存在的通信量大、通信成本高、计算效率低以及用户隐私泄露等问题,在集中控制模型的基础上,构造增广拉格朗日函数,引入交替方向乘子法,最终提出了电动汽车聚合商的分散充电控制策略,实现了由个体电动汽车根据本地信息计算充电方案的目标。通过仿真结果验证了该分散充电控制策略可以保证电动汽车聚合商的充电收益最大化,而且有着较高的计算效率和较快的收敛速度。

基于增广Lagrange函数的约束优化问题的一个信赖域方法

本文提出一个求解不等式约束优化问题的基于指数型增广Lagrange函数的信赖域方法.基于指数型增广Lagrange函数,将传统的增广Lagrange方法的精确求解子问题转化为一个信赖域子问题,从而减少了计算量,并建立相应的信赖域算法.在一定的假设条件下,证明了算法的全局收敛性,并给出相应经典算例的数值实验结果.

基于增广矩阵束方法的平面天线阵列综合

针对平面阵列的稀布优化问题,提出了一种基于增广矩阵束方法的减少阵元数目、求解阵元位置和设计幅度激励的优化方法。首先对期望平面阵的方向图进行采样并由采样点数据构造增广矩阵,对此矩阵进行奇异值(SVD)分解,确定在误差允许范围内所需的最小阵元数目;然后基于广义特征值分解分别计算两组特征值,并根据类ESPRIT算法对特征值进行配对;最后在最小二乘准则条件下根据正确的特征值对求解平面阵列的阵元位置和激励。仿真结果表明该算法具有较高的计算效率和数值精度。

分数阶全变分泊松去噪的快速线性化增广拉格朗日方法

近年来,有关分数阶全变分(FOTV)的图像去噪问题被广为研究。快速傅里叶变换(FFT)是求解相关子问题最常用的方法,但是FFT只适用于周期边界条件。为了能在非周期边界条件下也能实现好的去噪效果,针对FOTV泊松图像去噪模型,结合增广拉格朗日方法(ALM)和线性化技术提出新的算法。实验表明,在周期边界条件下,与采用FFT的增广拉格朗日方法相比,本文提出的算法在达到几乎相同的去噪效果时,收敛速度较快。而且在零Dirichlet边界条件时,也能实现好的去噪效果。