非线性等式与有界约束优化问题的正割算法及其收敛性分析

提出了结合仿射尺度技术的正割算法解非线性等式与有界约束优化问题.在合理假设下,证明了渐弱滤子线搜索方法可以保证新算法具有整体收敛性.通过引入一个高阶修正方向,克服Maratos效应的影响,使得算法二步q-超线性收敛于最优点.进一步地,对算法进行修改,使得新算法达到q-超线性收敛性.

一类修正正割方法解非线性约束优化问题的超线性收敛性(英文)

提出了一类解非线性等式约束优化问题的修正正割方法.通过应用二阶校正技术改进搜索方向,修正由Fotecilla提出的产生二步超线性收敛的正割方法.证明了在合理的假设条件下该算法具有一步超线性收敛性.数据结果表明了本算法的有效性.

一簇修正的正割过滤线搜索方法解约束优化问题

结合过滤机制和内点法,提出了求解非负约束及非线性等式约束最优化问题的过滤原始对偶正割方法.数值结果证实了算法的有效性.

整体收敛的非线性等式约束优化问题的不精确修正正割方法(英文)

通过使用线搜索技术,提出了一类具有整体收敛性的不精确修正正割算法解非线性约束优化问题.引入Fletch-er罚函数作为价值函数克服了产生Maratos效应.在合理条件下证明了该类算法具有二步q阶超线性收敛速率.进而,对于约束进行很小的额外计算改进了此类算法,以使新算法具有一步q阶超线性收敛速率.数值实验的结果证明了该算法的有效性和可行性.

基于神经网络的水库枯季中长期径流预测模型研究

为获得水库枯水季径流预测的标准模型,基于前馈神经网络FN、动态递归神经网络EN、卷积神经网络RBF、级联神经网络CN共4种神经网络模型,结合梯度下降法traingd、有动量的梯度下降法traingdm、自适应lr梯度下降法traingda、贝叶斯正则化算法trainbr、一步正割算法trainosss 5种训练算法,共20种模型,比较得出最优模型,结果表明:模型最优隐含层个数可取10,迭代次数可取4500,可使模型精度最高且运行效率最高;4种神经网络模型均选用trainosss训练算法,可保证较高的运行效率;级联神经网络模型在枯水期不同月份的径流预测中表现出了最高的精度,可作为水库枯水期径流预测的标准模型使用。

一簇非线性等式约束优化问题的过滤线搜索修正正割方法

本文提供了一簇新的过滤线搜索修正正割方法求解非线性等式约束优化问题.新算法簇的特点是:用修正正割算法簇中的一个算法获得搜索方向,回代线搜索技术得到步长,过滤准则用来决定是否接受步长,引入二阶校正技术减少不可行性并克服Maratos效应.在合理的假设条件下,分析了算法的总体收敛性.并证明了,通过附加二阶校正步,算法簇克服了Maratos效应,并二步Q-超线性收敛到满足二阶充分最优条件的局部解.数值结果表明了所提供的算法具有有效性.