不等式组与变分不等式的极大熵函数方法(英文)

利用极大熵函数方法将不等式组及变分不等式的求解问题转化为近似可微优化问题,给出了不等式组及变分不等式问题近似解的可微优化方法,得到了不等式组和变分不等式问题的解集合的示性函数。

求解多目标最优化问题的一类极大熵评价函数法

构造出求解多目标最优化问题的一类极大熵评价函数法．这类方法可将多目标最优化问题转化成单目标最优化问题．通过求解所得到的单目标最优化问题，可得到多目标最优化问题的有效解或近似有效解．

基于自适应调节极大熵的孪生支持向量回归机

孪生支持向量回归机(Twin Support Vector Regression,TSVR)的数学模型是求解一对约束优化问题,如何将约束优化问题转化为无约束优化问题进行求解是一个难题.在TSVR约束优化模型的基础上,依据最优化理论提出TSVR的无约束优化问题.然而,无约束优化问题的目标函数有可能不可微,为解决这个问题,引入极大熵函数,确保优化问题都是可微的.标准的极大熵函数法有可能发生数值溢出,所以对极大熵函数法进行了改进,提出自适应调节极大熵函数法来逼近TSVR的不可微项,并提出基于自适应调节极大熵函数法的TSVR学习算法.实验结果表明,和其他回归方法相比,所提算法不仅能够提高回归精度,而且效率得到了较大的提高.

一类半无限规划问题的神经网络算法

考虑了一类带有不等式和等式混合约束的半无限规划问题。通过运用极大熵方法,将多个约束条件的问题转化为单个约束条件的非线性规划模型,并提出了求解它的一个神经网络模型,严格证明了该模型是Lyapunov稳定的,并且在有限时间内收敛到原问题的一个精确解。数值实验表明,新模型不仅可行而且有效。

基于改进遗传算法的互补问题研究

由于传统数学方法在求解互补问题时初始点选取困难和对梯度信息依赖等问题,本文通过改进遗传算法并结合极大熵函数法来求解互补问题,计算结果表明应用改进遗传算法计算互补问题准确率高、解的稳定性好.

求解线性半无限规划问题的神经网络

考虑了线性半无限规划问题。通过运用极大熵方法,将多个约束条件的问题转化为单个约束条件的模型,并提出了求解它的一个神经网络模型,严格说明了该模型是Lyapunov稳定的,并收敛到原问题的一个精确解。数值实验表明,该模型不仅可行而且有效。