非线性等式和线性不等式约束优化的信赖域方法 *

对非线性等式和线性不等式约束的优化问题提出一个新的信赖域算法,在通常假设条件下,证明了算法的全局收敛性.此外,由于通过引进松弛变量,可把非线性不等式约束转化为一个方程的形式,因此,该算法可用于求解一般非线性规划问题.     

线性约束三次规划问题的全局最优性必要条件和最优化算法

讨论了带线性不等式约束三次规划问题的最优性条件和最优化算法. 首先, 讨论了带有线性不等式约束三次规划问题的 全局最优性必要条件. 然后, 利用全局最优性必要条件, 设计了解线性约束三次规划问题的一个新的局部最优化算法(强局部最优化算法). 再利用辅助函数和所给出的新的局部最优化算法, 设计了带有线性不等式约束三 规划问题的全局最优化算法. 最后, 数值算例说明给出的最优化算法是可行的、有效的.     

一类带约束min-max-min问题的区间算法

构造了求解一类带不等式约束的min-max-min问题的区间算法,其中目标函数和约束函数都是一阶连续可微函数,证明了方法的收敛性,给出了数值算例.该方法可以同时求出问题的最优值和全部全局最优解,是有效和可靠的.     

不等式约束优化一个改进的投影变尺度算法

本文研究了不等式约束优化问题.利用共轭投影梯度方法,获得了一个投影变尺度型算法.在适当的条件下,证明算法是全局收敛且具有超线性收敛性.     

利用Fisher函数解非线性不等式约束优化问题的梯度投影算法

本文将利用梯度投影与Fisher函数提出一个新的二阶段搜索方向,给出相应的解非线性不等式约束优化问题的梯度投影算法,并证明了该算法具有全局收敛性.     

一种求解不等式约束优化问题的光滑化算法

利用光滑函数建立了不等式约束优化问题KT条件的一个扰动方程组,提出了一个新的内点型算法.该算法在有限步终止时当前迭代点即为优化问题的一个精确稳定点.在一定条件下算法具有全局收敛性,数值试验表明该算法是有效的.     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法 ,提出的算法能充分利用目标函数值的信息、优化搜索过程具有较强的方向性和目标性 ,收敛速度较快 ,且是全局优化算法 ;将群体复合形进化算法应用于三层前向人工神经网络逼近 ,提出了三层前向人工神经网络全局最优逼近算法 ;将三层前向人工神经网络全局最优逼近算法应用于实例 ,表明了提出的全局最优逼近算法的有效性 .     

非线性约束最优化问题中的一种光滑精确罚函数算法（英文）

针对非线性不等式约束优化问题提出一种新的光滑精确罚函数,并证明这种类型的光滑罚函数对求解非线性约束优化问题具有好的性质.基于这个光滑精确罚函数,文中设计罚函数算法,并证明在一些较弱的条件下,算法具有全局收敛性.最后,一些数值算例说明算法的有效性.     

低阶精确罚函数的一种光滑化逼近

本文对不等式约束优化问题给出了低阶精确罚函数的一种光滑化逼近.提出了通过搜索光滑化后的罚问题的全局解而得到原优化问题的近似全局解的算法.给出了几个数值例子以说明所提出的光滑化方法的有效性.     

不等式约束极大极小问题的一个新型模松弛强次可行SQCQP算法

针对带不等式约束的极大极小问题,借鉴一般约束优化问题的模松弛强次可行SQP算法思想,提出了求解不等式约束极大极小问题的一个新型模松弛强次可行SQCQP算法.首先,通过在QCQP子问题中选取合适的罚函数,保证了算法的可行性以及目标函数F(x)的下降性,同时简化QCQP子问题二次约束项参数α_k的选取,可保证算法的可行性和收敛性.其次,算法步长的选取合理简单.最后,在适当的假设条件下证明了算法具有全局收敛性及强收敛性.初步的数值试验结果表明算法是可行有效的.     

求非光滑全局优化问题的区间算法

本文通过区间工具和目标函数的特殊导数提出了一个非光滑全局优化问题的区间算法，所提出的方法能给出问题的全部全局极小点及全局极小值，理论分析和数值结构均表明本文方法是有效的。     

一类非光滑全局优化问题的区间展开方法

本文利用区间展开的特点,对一类全局优化问题提出一新的区间求解方法,该方 法能处理多元函数的全局优化问题.数值试验表明提出的方法是可行和有效的.     

Randomized algorithms in interval global optimization

This paper is a critical survey of the interval optimization methods aimed at computing global optima for multivariable functions. To overcome some drawbacks of traditional deterministic interval techniques, we outline some ways of constructing stochastic (randomized) algorithms in interval global optimization, in particular, those based on the ideas of random search and simulated annealing.     

非光滑总体优化的区间算法[英文]

本文利用区间工具及目标函数的特殊导数，给出一个非光滑总体优化的区间算法，该算法提供了目标函数总体极小值及总体极小点的取值界限（在给定的精度范围内）。我们也将算法推广到并行计算中。数值实验表明本文方法是可靠和有效的。     

A Heuristic Rejection Criterion in Internal Global Optimization Algorithms

This paper investigates the properties of the inclusion functions on subintervals while a Branch-and-Bound algorithm is solving global optimization problems. It has been found that the relative place of the global minimum value within the inclusion interval of the inclusion function of the objective function at the actual interval mostly indicates whether the given interval is close to minimizer point. This information is used in a heuristic interval rejection rule that can save a big amount of computation. Illustrative examples are discussed and a numerical study completes the investigation.This revised version was published online in October 2005 with corrections to the Cover Date.     

一类全局优化问题的区间斜率算法

考虑下面的全局优化问题: global minimize f(x),f:X~0 R~1→R~1 (1)其中X~0=[a~0,b~0],f是X~0上连续的多峰函数.在本文中f在X~0上的全局极小值记为f~*,f在X~0上所有全局极小点集合记为X~*.以下恒假定X~*仅由有限个点组成. 我们的目标是求f~*及X~*.求解这一问题已有诸多方法,这些方法一般可分为确定型和非确定型两类.前者以Lipschitz导数法,填充函数法等为代表,它们依据某一     

Multisection in Interval Branch-and-Bound Methods for Global Optimization II. Numerical Tests

We have investigated variants of interval branch-and-bound algorithms for global optimization where the bisection step was substituted by the subdivision of the current, actual interval into many subintervals in a single iteration step. The results are published in two papers, the first one contains the theoretical investigations on the convergence properties. An extensive numerical study indicates that multisection can substantially improve the efficiency of interval global optimization procedures, and multisection seems to be indispensable in solving hard global optimization problems in a reliable way.     

求一类多元多峰函数全局极小的区间斜率方法

Based on the interval analysis, an interval slope method is proposed for finding all global minimizers of a several peaks function f on domain X^0包含于R^n, which is given by interval slope discard tests and interval extension of objective function.Numerical results of representative test functions show that this method is practical and effective.     

Heuristic Rejection in Interval Global Optimization

Based on the investigation carried out in Ref. 1, this paper incorporates new studies about the properties of inclusion functions on subintervals while a branch-and-bound algorithm is solving global optimization problems. It is found that the relative place of the global minimum value within the inclusion function value of the objective function at the current interval indicates mostly whether the given interval is close to a minimizer point. This information is used in a heuristic interval rejection rule that can save a considerable amount of computation. Illustrative examples are discussed and an extended numerical study shows the advantages of the new approach.     

New Interval Analysis Support Functions Using Gradient Information in a Global Minimization Algorithm

The performance of interval analysis branch-and-bound global optimization algorithms strongly depends on the efficiency of selection, bounding, elimination, division, and termination rules used in their implementation. All the information obtained during the search process has to be taken into account in order to increase algorithm efficiency, mainly when this information can be obtained and elaborated without additional cost (in comparison with traditional approaches). In this paper a new way to calculate interval analysis support functions for multiextremal univariate functions is presented. The new support functions are based on obtaining the same kind of information used in interval analysis global optimization algorithms. The new support functions enable us to develop more powerful bounding, selection, and rejection criteria and, as a consequence, to significantly accelerate the search. Numerical comparisons made on a wide set of multiextremal test functions have shown that on average the new algorithm works almost two times faster than a traditional interval analysis global optimization method.