基于量子遗传算法的一类非线性lp问题的求解方法

文章构造了求解非线性lp问题的新方法——量子遗传法。给出了具体的量子遗传算法步骤,并且结合文献[6]相关算例,将用量子遗传算法求解出的结果与其对比分析,结果显示量子遗传算法求在解非线性lp问题是十分有效和实用的。

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。

约束非线性l_p问题的调节熵方法

首先介绍了调节熵函数及其性质,然后通过调节熵函数及罚函数技术将一类约束非线性lp规划问题转化为可微的优化问题,再设计其求解算法,并通过数值算例与极大熵函数求法进行比较.结果表明该算法收敛速度更快.

无约束非线性l_p问题的区间极大熵方法

针对信号处理、系统识别等领域中涉及到的无约束非线性lp问题,为减小由于二进制编码的舍入误差对该问题计算结果的影响,对求解该问题的极大熵方法进行了区间扩张。证明了区间扩张后的极大熵函数至少具有二阶收敛性,并设计了具有多项式时间复杂度的区间算法进行求解,举例进行了数值计算。数值计算结果显示,该区间算法可靠,计算结果与区间扩张前相比,结果更加精确。