多体系统动力学优化设计的增广Lagrange乘子法

针对多体系统的非线性受约束动态优化设计通用模型,基于连续可微目标函数和一阶、二阶灵敏度分析给出多体系统动力学优化设计的增广Lagrange乘子法。其中基于多体系统动力学方程的一阶设计灵敏度采用伴随变量方法进行计算,二阶设计灵敏度使用混合方法进行计算,在设计变量较多时具有较高的计算效率。最后对曲柄-滑块系统数值算例使用增广Lagrange乘子方法进行约束优化,通过对使用不同方法进行一阶灵敏度分析和二阶灵敏度分析所得的最优值、迭代次数及运行时间的比较,得出一阶灵敏度分析中使用变尺度方法效率较高,而使用二阶灵敏度分析可以进一步提高优化效率。

应用增广Lagrange乘子法确定裂纹应力强度因子——在RBF无网格法框架下实现

提出将增广Lagrange乘子法与RBF无网格法相结合来处理裂纹非连续性问题,从而确定裂纹应力强度因子。用径向插值基函数构造无网格形函数,基于虚裂纹扩展模式推导裂纹扩展控制方程;采用增广Lagrange乘子法处理裂纹非连续面;给出了处理裂纹非连续问题的计算列式和增广Lagrange乘子法迭代过程。通过与相关文献解比较,论证了本文方法的可靠性。

Toeplitz矩阵压缩恢复的两种中值修正的增广Lagrange乘子算法

增广Lagrange乘子算法是求解矩阵压缩恢复的一种有效迭代方法.为了有效求解Toeplitz矩阵压缩恢复模型,本文提出了两种中值修正的增广Lagrange乘子算法.在新算法中,对增广Lagrange乘子算法每步产生的迭代矩阵进行中值修正并保证其Toeplitz结构.新算法不仅减少了奇异值分解所用的时间和CPU时间,而且获得更精确的迭代矩阵.同时,本中还详细给出了两种新算法的收敛性分析.最后通过数值例子验证了新算法的可行性和有效性,并展示了新算法在计算时间和精度方面比增广Lagrange乘子算法更有优势.

带有不等式约束的非线性规划问题的一个精确增广Lagrange函数

对求解带有不等式约束的非线性非凸规划问题的一个精确增广Lagrange函数进行了研究.在适当的假设下,给出了原约束问题的局部极小点与增广Lagrange函数,在原问题变量空间上的无约束局部极小点之间的对应关系.进一步地,在对全局解的一定假设下,还提供了原约束问题的全局最优解与增广Lagrange函数,在原问题变量空间的一个紧子集上的全局最优解之间的一些对应关系.因此,从理论上讲,采用该文给出的增广Lagrange函数作为辅助函数的乘子法,可以求得不等式约束非线性规划问题的最优解和对应的Lagrange乘子.

摩擦接触问题参变量二次规划分析的增广Lagrange算法

建立了摩擦接触条件的增广Lagrange线性互补表述形式,继而构造出求解摩擦接触问题的一种增广Lagrange线性互补算法.与求解摩擦接触问题参变量二次规划法相比,本文模型在理论上是对摩擦接触条件的一种精确正则化模型,虽然其中也包含了惩罚参数,但在理论上不需要它趋于无穷大就能得到精确解;所提算法编程简单,便于装入现有有限元分析模快中.应用实例表明了本文方法的正确性和有效性.

结合增广Lagrange罚函数的约束优化差分进化算法

利用增广Lagrange罚函数处理问题的约束条件,提出了一种新的约束优化差分进化算法。基于增广Lagrange惩罚函数,将原约束优化问题转换为界约束优化问题。在进化过程中,根据个体的适应度值将种群分为精英种群和普通种群,分别采用不同的变异策略,以平衡算法的全局和局部搜索能力。用10个经典Benchmark问题进行了测试,实验结果表明,该算法能有效地处理不同的约束优化问题。

从常步长梯度方法的视角看不可微凸优化增广Lagrange方法的收敛性

增广Lagrange方法是求解非线性规划的一种有效方法.从一新的角度证明不等式约束非线性非光滑凸优化问题的增广Lagrange方法的收敛性.用常步长梯度法的收敛性定理证明基于增广Lagrange函数的对偶问题的常步长梯度方法的收敛性,由此得到增广Lagrange方法乘子迭代的全局收敛性.

基于增广Lagrange算法的高拱坝横缝开度接触仿真研究

把拱坝相邻坝段间的接触问题表示为一个标准的凸二次规划模型,利用增广Lagrange算法求解形如凸二次规划问题的非线性接触问题。对小湾高拱坝施工期横缝开度进行仿真计算,仿真中考虑了坝体材料的热力学性能、浇筑过程、环境温度变化、封拱和蓄水过程、接缝在灌浆前后的不同力学性质。仿真结果表明二期冷却结束时大部分灌区横缝开度满足灌浆要求,接缝灌浆后蓄水对横缝有压紧作用,不存在二次灌浆问题,不满足灌浆要求的灌区局部超冷2℃后,横缝开度均可满足灌浆要求。

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。

冗余机械臂轨迹的增广Lagrange-改进粒子群算法优化

为了减小冗余机械臂的工作时间和运动冲击,提出了基于增广lagrange-多学习行为粒子群算法的轨迹优化方法。介绍了7自由度冗余机械臂的构型,以减小工作时间和运动冲击为目标建立了约束优化模型。使用增广拉格朗日乘子法将约束优化问题转化为无约束优化问题。在粒子群算法中引入了3种新型的粒子学习行为,并依据学习行为价值确定粒子选择各学习行为的概率,既保证了粒子多样性也保证了收敛的快速性。经实验验证,多学习行为粒子群算法优化的轨迹在时间和冲击方面好于传统粒子群算法优化轨迹,且改进粒子群算法优化轨迹平滑,运动参数在约束范围内,以上结果验证了增广lagrange-多学习行为粒子群算法在机械臂轨迹优化方面的有效性和优越性。

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。

符号矩阵填充的修正增广拉格朗日乘子算法

矩阵填充问题是近年来的研究热点之一,特别地,符号矩阵填充问题在生物医学等领域有着很好的应用前景.本文以奇异值阈值方法为基础,针对符号矩阵填充提出了修正的增广Lagrange乘子法.修正算法对每步产生的阈值矩阵进行符号投影,形成新的符号矩阵,构成在符号矩阵离散集合上的迭代.同时证明了在合理条件下,当罚因子充分大时,修正算法是收敛的.最后通过数值实验与传统的增广Lagrange乘子算法和遗传算法做对比,新算法在时间和误差上具有很强的优越性.

增广Lagrange函数优化算法在稀疏信号重构问题中的应用

针对稀疏信号恢复的lp优化模型(0<p≤1),提出了一种可行稳健的增广Lagrange函数优化算法。该算法通过构造精确罚函数的方法,设置有限的增广因子参数,有效地避免了类似于传统FOCUSS迭代算法中出现的计算病态性问题,从而极大提高了信号恢复的精确度。为解决大规模的信号重构问题,还引入了共轭梯度法,以促进算法加速收敛。最后,仿真结果表明,改进型的增广Lagrange函数优化算法较大程度提升了稀疏信号重构的能力。

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.

增广Lagrange方法求解二阶锥约束变分不等式问题

应用增广Lagrange方法求解了一类二阶锥约束变分不等式问题。首先,将二阶锥约束变分不等式问题转化为等价的优化问题,从而得到其不同的等价形式;其次,应用投影算子的性质,将二阶锥约束变分不等式问题转化为方程组问题,并针对方程组问题提出了增广Lagrange方法;再次,讨论了算法的全局收敛性,同时对算法的一个特殊情况进行了深入分析,并引入一类非精确牛顿法求解算法中蕴含的子问题;最后,给出3个算例的数值实验结果,验证了算法的可行性。

配气凸轮优化设计的惩罚函数法和增广拉格朗日乘子法

将约束最优化问题的间接解法中有代表性的惩罚函数法和增广拉格朗日乘子法应用到配气机构五项式凸轮型线的最优化设计中 ,优化设计结果表明混合法 (内点法 )的求解精度最高 ,外点法的收敛速度最快 ,而增广拉格朗日乘子法的求解精度较高且收敛速度也较快 ,更适于用来求解此类问题 .

符号矩阵填充的修正增广拉格朗日乘子算法

以增广Lagrange乘子算法为基础,通过对阈值矩阵进行投影,提出修正的增广Lagrange乘子算法.新方法保证每次迭代产生的矩阵是可行的符号矩阵.同时给出新算法的收敛性分析.最后通过数值实验说明了新的算法在时间和误差上比传统的遗传算法更有效,误差能够达到零,达到精确恢复的效果.

基于增广拉格朗日乘子法的水平井射孔密度分布研究

合理的孔眼密度分布能改善水平井入流剖面,有利于延缓水、气锥进。考虑水平井井筒内摩擦损失和加速损失的影响,基于Landman油藏渗流模型,建立了以孔眼位置为优化设计变量、均匀入流剖面为约束条件、水平井产量或生产压差为目标函数的射孔优化模型。采用增广拉格朗日乘子法对有限导流水平井的射孔密度分布进行优化研究。优化结果表明,为获得尽可能均匀的入流剖面,沿水平井跟端向指端方向射孔密度逐渐增加,约在井筒长度的3/5位置附近取得最大值,在趾端处降低;均匀入流剖面下的产量较均匀射孔水平井的产量低。

Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法（英文）

基于Toeplitz矩阵填充(TMC)的修正增广拉格朗日乘子(MALM)算法,本文给出此算法的一种加速策略,提出Toeplitz矩阵填充的l-步修正增广拉格朗日乘子算法.该方法通过削减原MALM算法中每一步迭代的频繁数据传输,提高算法的运行效率.同时也证明了新算法的收敛性.最后以数值实验表明l-步修正增广拉格朗日乘子算法比原MALM算法更有效.

水平井射孔优化设计的增广拉格朗日乘子法

射孔参数优化能提高水平井开发效果。考虑射孔分布对水平井产能的影响,以Landman油藏稳态渗流模型为基础,以孔眼位置为优化设计变量,分别建立了以水平井产量最大和水平井生产端压力降最小为目标函数的优化模型。利用增广拉格朗日乘子法具有收敛速度快和求解精度高的特点,对无限导流水平井射孔分布进行优化研究。结果表明,优化射孔分布能有效地改善沿水平井井筒流入流量剖面;对一定的井底流压和产量,射孔水平井存在最佳的射孔分布。算例中,为得到最大产量或最小井底流压,射孔密度沿水平井井筒呈"U"型分布;若考虑沿水平井井筒流入流量剖面均匀,则射孔密度沿水平井井筒呈"∩"型分布,但产能略有降低。上述研究为水平井射孔分布优化设计提供了新方法。