求解线性约束规划问题的信赖域仿射尺度法

考虑到求解线性规划问题的仿射尺度法实际有效 ,但有时不具有全局收敛性 ,而求解无约束优化问题的信赖域法具有很好的全局收敛性 ,结合求解线性规划问题的仿射尺度法和求解无约束优化问题的信赖域法 ,给出了求解线性约束规划问题的一种信赖域仿射尺度法 ,并证明了该算法的收敛性 .数值试验表明 ,所给方法是实际有效的 .

一种改进的蚁群算法用于灰色约束非线性规划问题求解

针对灰色约束非线性规划问题,设计了一种改进蚁群算法.该算法采用了正反馈机制,在对灰色约束非线性规划问题白化处理后,将罚函数方法引入到目标函数中,同时给出了改进蚁群算法的仿真流程.实例应用表明,将改进后的蚁群算法应用于灰色约束非线性规划问题的求解是可行有效的.

用正交设计方法求解非线性规划的区间约束最优化问题

给出了以正交设计原理为基础的两种方法———正交表法和加点正交表法,求解非线性规划的区间约束最优化问题。方法不要求目标函数可导,不依赖于初始点,计算速度快,算法简单,容易编成程序在计算机上执行。用检验考题对算法进行了验证。

约束非线性规划问题的辅助函数算法

研究有不等式约束的非线性规划问题,构造了一种新的两阶段算法:(1)利用传统优化方法求出原问题的一个局部极小点x*;(2)基于当前局部极小点和"准"罚函数的思想构造了一个辅助函数,该辅助函数连续可微、有界并且是凸的,该函数的局部极小点y*很容易求得,并且y*位于比x*更低的盆域中,从而y*可以作为第一阶段中的初始点,从而找到另一个更好的局部极小点.两个阶段不断循环,只要原问题具有有限个局部极小点,就可以找到它的全局极小点.为了测试算法的性能,对几个测试问题进行了求解.结果表明算法有效的,可以快捷的跳出局部极小点达到全局极小点.

线性约束规划拓广的既约梯度法及其收敛性

本文首先给出由线性等式和不等式以及部分变量非负组成的约束集的一个新的转轴运算。它是以往转轴运算的推广。然后,以此为基础,建立该约束条件下的非线性规划的一个拓广的既约梯度法,它是既约梯度法的广泛推广和改进。算法不需增加任何松驰变量,以致提高问题的维数,扩大问题的规模;方法直接对原问题进行求解。本文算法对一般线性约束规划具有广泛的实用性,其处理技巧带有普遍意义。在非退化假设下,本文算法具有全局收敛性。

非线性规划中的近似增广拉格朗日函数

介绍了非线性规划中的一种近似增广拉格朗日函数,建立了基于这种增广拉格朗日函数的对偶映射和相应的对偶问题,得到了原问题和对偶问题的强近似对偶和弱近似对偶结果.我们的结果推广了一些已有的结论.

非线性规划中的近似增广拉格朗日函数

介绍了非线性规划中的一种近似增广拉格朗日函数,建立了基于这种增广拉格朗日函数的对偶映射和相应的对偶问题,得到了原问题和对偶问题的强近似对偶和弱近似对偶结果。我们的结果推广了一些已有的结论。

解凸优化问题的一类修正线性近似交替方向法

在解凸优化问题过程中,对已有文献的线性约束条件推广到非线性约束条件,运用了近似交替分解算法;新提出一类修正线性近似交替方向法,并进行了理论分析和和算例比较.

区间自适应遗传算法优化无约束非线性规划问题

针对无约束非线性规划传统优化方法存在的问题,将区间自适应遗传算法引入无约束非线性规划优化中,算法可以利用当前进化信息,自适应移动搜索区间,找到全局最优解,故可缩短搜索区间长度,提高编码精度,降低算法计算量,解决了传统遗传算法处理优化问题时,给定区间必须包含最优解这一问题,这也是本算法有别于其他优化算法的独特优势,为某些最优解所在区间难以估计的无约束非线性规划问题的优化提供了一条有效可行的途径.系统阐述了区间自适应遗传算法的原理,给出了算法优化无约束非线性规划问题的步骤,以MatlabR2016b仿真方式对算法进行了实例测试,结果表明,方法是一种计算稳定、正确、有效、可靠实用的无约束非线性规划优化方法.

求解线性约束凸规划问题的预估校正内点法

提出一个求解线性约束凸规划问题的预估校正内点法 ,方法对初始迭代点的可行性没有任何要求 ,并证明了所给方法等价于 1阶扰动复合牛顿法 ,且给出了一些数值试验结果 .

约束优化问题的修正共轭梯度投影算法

对闭凸集约束的非线性规划问题构造了一个修正共轭梯度投影下降算法,在去掉迭代点列有界的条件下,分析了算法的全局收敛性.新算法与共轭梯度参数结合,给出了三类结合共轭梯度参数的修正共轭梯度投影算法.数值例子表明算法是有效的.

求解约束优化问题的记忆梯度Goldstein-Lavintin-Polyak投影算法

给求解无约束规划问题的记忆梯度算法中的参数一个特殊取法,得到目标函数的记忆梯度G o ldste in-L av in tin-Po lyak投影下降方向,从而对凸约束的非线性规划问题构造了一个记忆梯度G o ldste in-L av in tin-Po lyak投影算法,并在一维精确步长搜索和去掉迭代点列有界的条件下,分析了算法的全局收敛性,得到了一些较为深刻的收敛性结果.同时给出了结合FR,PR,HS共轭梯度算法的记忆梯度G o ldste in-L av in tin-Po lyak投影算法,从而将经典共轭梯度算法推广用于求解凸约束的非线性规划问题.数值例子表明新算法比梯度投影算法有效.