化不等式约束问题为无约束的广义可微限域精确罚函数方法

本文给出了广义可微精确罚函数的概念及一类所谓广义限域可微精确罚函数.本文预先选定罚因子,将不等式约束问题化为单一的无约束问题,并给出了具全局收敛性的算法.本文的罚函数构造简单,假设条件少而且算法的构造与收敛性结果是独特的.

无约束最优化问题的一族秩1算法及其性质

本文所讨论的无约束最优化问题是minf(x)。如果目标函数f(x)有一阶偏导数, x∈R^n那么记f(x)在点x处的梯度为g(x)。如果已得到序列{x_k},那么用g_k表示g(x_k)。设H_k为Hessian阵G(x)的第k次近似。本文所给出的秩1校正公式为:

LC^1无约束优化问题的非单调线搜索算法

考虑LC1无约束优化问题,用二阶上Dini方向导数代替二阶的方向导数,从而给出该问题的一个非单调线搜索算法,并证明了所给算法的全局收敛性．

含有非光滑函数的一类无约束问题的ε-最优解

用极大熵原理解决了一类复杂非光滑函数的极小化问题，得到了它的一个近似计算方法。

有奇异解的无约束最优化问题的一种混合法

本文研究求解含有奇异解的无约束最优化问题算法 .该类问题的一个重要特性是目标函数的Hessian阵可能处处奇异 .我们提出求解该类问题的一种梯度 -正则化牛顿型混合算法 .并在一定的条件下得到了算法的全局收敛性 .而且 ,经一定迭代步后 ,算法还原为正则化 Newton法 .因而 ,算法具有局部二次收敛性 .

一个求解无约束优化问题的填充函数算法

填充函数法是求解无约束全局优化问题的一种方法,这种方法的关键是构造具有良好性质的填充函数.基于填充函数定义与性质的基本要求,构造了一个新的求解无约束全局优化问题的单参数填充函数.该函数形式简单,便于计算,并建立了相应的填充函数算法.最后,进行了数值试验,结果表明,该算法是有效的.

限制速度粒子群优化和自适应速度粒子群优化在无约束优化问题中的应用

限制速度粒子群优化(RVPSO)和自适应速度粒子群优化(SAVPSO)是近年来提出的专门求解约束优化问题(COP)的粒子群优化算法,但目前尚无两算法在无约束优化应用方面的研究。为此,研究上述算法在无约束优化中的有效性和性能特点,并针对算法保守性较强的特点,分别引入混沌因子和随机优化策略对算法进行改进,从而提高算法的全局搜索能力;另外,还研究了不同参数设置对算法性能的影响。在5个典型测试函数上的仿真实验结果表明:RVPSO改进算法的鲁棒性及全局搜索能力优于原算法,但在求解高维多峰函数时仍易于陷入局部最优;SAVPSO改进算法的全局搜索能力比RVPSO改进算法强,且在求解高维多峰函数时具有更快的收敛速度并能取得精度更高的解,表现出较好的全局优化能力,是一种切实有效的求解无约束优化问题的算法。

一类无约束离散minimax问题的区间算法

讨论了一类由二阶连续可微函数构成的无约束离散 minimax问题 .通过建立极大函数的区间扩张 ,并将无解区域的凹凸性检验原则和区间 Newton迭代法引入这类特殊不可微优化问题中 ,建立了区间算法 ,证明了算法的收敛性及相关结论 ,给出了数值算例 .用该方法可以同时求出问题的 minimax值和全部 minimax点 。

无约束优化问题的一种新的共轭梯度法(英文)

为了求解无约束优化问题,提出了一种新的共轭梯度法,并证明了其在适当的条件下满足全局收敛性.初步的数值结果表明新的共轭梯度法是有效的.

黄金分割法在无约束多元优化问题中的应用

将一维优化方法中的黄金分割法,推广应用于无约束多元优化问题的求解中,给出了具体的算法实施过程,并与目前已有的几种确定性求导寻优法进行了比较;算例结果表明,这一算法是有效实用的.

求解无约束优化问题的改进布谷鸟搜索算法

布谷鸟搜索算法是一种基于种群迭代搜索的全局优化算法。为求解无约束优化问题,提出一种改进的布谷鸟搜索算法。利用混沌序列构造初始种群以增加群体的多样性,引入动态随机局部搜索技术对当前最优解进行局部搜索,以加快算法的收敛速度。对4个标准测试函数进行仿真实验,并与其他6种算法进行比较,结果表明,该算法具有较强的全局搜索能力和较快的收敛速度。

无约束非线性l_p问题的调节熵方法

本文构造了求解无约束非线性lp问题的新方法——调节熵函数法。给出了数值算法,证明了算法的收敛性。通过数值仿真将该方法与求解无约束非线性lp问题的极大熵函数法进行了比较,表明该算法是十分有效的。

关于约束极值问题降维法的探讨

讨论等式约束极值问题的降维法,分析了可能出现的几种问题,并给出相应的求解方法,最后还提出了约束极值问题的逆向思维求解法,并给出了具体的例子.

无约束极值问题的拟合方法(英文)

我们在本文中从一个完全不同的观点提出了一个用于求解无约束最优化问题 的拟合算法.算法中的迭代方向是从函数拟合中得到,而不是由传统的拟牛顿方程得到. 此方法有许多好的性质,并且在较弱的假设下证明算法是线性收敛的.

BFGS人工神经网络求解无约束优化问题

提出了一种基于BFGS算法的求解无约束优化问题的人工神经网络模型,并对该模型的稳定性作了理论分析.采用该模型对两个著名的测试函数进行数值实验,结果表明,文章给出的模型具有较好的数值效果.

黄金分割法在无约束多元优化问题中的应用

将一维优化方法中的黄金分割法推广应用于无约束多元优化问题的求解中 ,给出了具体的算法实施过程 ,并与目前现有的几种确定性求导寻优法进行了理论比较 .

约束极大极小问题的光滑化方法(英文)

基于Karush Kuhn Tucker最优性条件和Fischer Burmeister非线性互补函数,建立了约束极大极小问题等价的非光滑无约束优化问题和等价的非光滑方程组.然后,利用光滑化方法求解这两个问题.

求解不等式约束极大极小值问题的罚函数方法

构造一个新的简单精确光滑罚函数来求解含不等式约束极大极小值问题。首先通过添加一个变量,将含不等式约束的极大极小值问题转化为与之等价的连续约束优化问题,然后利用新的简单精确光滑罚函数,对等价的连续约束优化问题进行求解。在扩展的MF约束规范条件下,可以证明:当罚参数充分大时,无约束优化问题的局部极小点也是原极大极小值问题的局部极小点。算例结果表明,给出的罚函数方法可有效地求解含不等式约束的极大极小值问题。

无约束最优化问题的二次梯度算法

根据无约束最优化问题的梯度算法 ,提出了二次梯度算法 ,并证明了其收敛性 .

基于MATLAB的无约束优化问题对称秩-1法与BFGS法之探讨

对称秩-1法和BFGS法是用拟牛顿法求解无约束优化问题时最常见的两种方法,它们都具有计算简单、收敛速度快等优点.探讨两种方法的算法格式、收敛速度和计算精度问题,同时利用MATLAB软件编程进行实例求解.结果表明:在解的迭代次数和精确度方面,BFGS算法均明显优于对称秩-1法.