基于伪谱凸优化和L1罚函数的弹道规划方法研究

传统L1惩罚序列凸规划算法(LPSCP)在进行制导炮弹弹道规划时,线性近似误差大,导致目标函数曲线震颤,难以收敛到最优解。针对此问题提出了一种改进的L1惩罚序列凸规划算法(ILPSCP)。ILPSCP算法引入指数衰减的相对信赖域宽度和带上界的惩罚系数,消除了目标函数的震颤。以一般化控制能量最优轨迹规划模型为研究对象,利用Radau伪谱法离散连续变量,线性凸化非线性动态方程,建立标准凸优化模型。以制导炮弹纵向平面内滑翔弹道模型为仿真实例,分别采用传统的LPSCP算法、提出的ILPSCP算法和非线性最优化通用工具箱GPOPS23种方法进行仿真对比。结果表明:ILPSCP算法成功解决了传统LPSCP算法震颤和不稳定等问题;同时ILPSCP算法的仿真结果与GPOPS2的仿真结果高度重合,证明了提出的算法对求解复杂弹道规划问题的有效性。

罚函数的性质及ι_1精确罚函数的存在性

本文讨论了一种常见的罚函数，给出并证明了罚函数的全局最优解存在的一个充分条件，及原问题的局部最优解与罚函数的局部最优解之间的关系的一个定理，并对［２］中ｌ１罚函数的一个精确罚函数存在性定理，给出了较为简单的证明．

参数线性规划问题的新型光滑精确罚函数神经网络

针对不等式约束条件下,目标函数和约束条件中含有参数的线性规划问题,提出一种基于新型光滑精确罚函数的神经网络计算方法.引入误差函数构造单位阶跃函数的近似函数,给出一种更加精确地逼近于L1精确罚函数的光滑罚函数,讨论了其基本性质;利用所提光滑精确罚函数建立了求解参数线性规划问题的神经网络模型,证明了该网络模型的稳定性和收敛性,并给出了详细的算法步骤.数值仿真验证了所提方法具有罚因子取值小、结构简单、计算精度高等优点.

求解带均衡约束多目标规划问题的一种方法

讨论约束是非线性不等式和变分不等式的多目标规划问题(简记为VPEC问题), 即目标为多个均衡约束的数学规划. 给出了多目标VPEC问题的最优性必要和充分条件, 利用充分性条件将多目标VPEC问题转化为一个与之等价的一般形式的约束优化问题, 并建立了求解此问题的l1 罚函数方法.

基于极限学习机的非线性内模控制

针对非线性的内模控制的逆模难以求解的问题,该文提出一种基于改进极限学习机(MELM)的非线性内模控制方法。在基本的极限学习机模型中加入L1和L2范数罚函数,然后将改进极限学习机算法用于建立非线性系统的内模型和逆模型。仿真实验中,选取4种典型信号进行跟踪,并检验了系统的抗干扰能力和系统参数发生变化时的鲁棒性,通过将MELM和最小二乘支持向量机(SVM)以及极限学习机算法进行对比,表明基于MELM的内模控制方法对非线性系统具有更好的控制性能、较强的抗干扰能力和鲁棒性能。

一类非线性半定规划问题改进的序列线性化算法

针对一类非线性半定规划问题,提出一个改进的序列线性化算法.该方法能用于求解较大规模的优化问题,因为它处理的是比较简单的子问题.该算法利用l1-精确罚函数和信赖域型的全局优化方法,每步迭代需要解的子问题是一个二次半定规划问题,它可以用已有的半定规划软件有效的解决.在某些假定条件下,证明了算法是全局收敛的.