城市交通信号实时控制问题

以车辆平均延误时间最小为目标,建立单交叉口和线状区域的多交叉口信号实时配置的优化模型,结合外点罚函数法和模式搜索法求解,解决函数的不可微问题,算法简单可行.     

求解一类逆鲁棒优化问题的牛顿型扰动方法

逆优化问题是指通过调整目标函数和约束中的某些参数使得已知的一个解成为参数调整后的优化问题的最优解.本文考虑求解一类逆鲁棒优化问题.首先,我们将该问题转化为带有一个线性等式约束,一个二阶锥互补约束和一个线性互补约束的极小化问题;其次,通过一类扰动方法来对转化后的极小化问题进行求解,然后利用带Armijo线搜索的非精确牛顿法求解每一个扰动问题.最后,通过数值实验验证该方法行之有效.     

二维椭圆型方程反问题中优化算法的比较

近年来，决定椭圆型方程系数反问题在地磁、地球物理、冶金和生物等实际问题上有着广泛的应用．本文讨论了二维的决定椭圆型方程系数反问题的数值求解方法．由误差平方和最小原则，这个反问题可化为一个变分问题，并进一步离散化为一个最优化问题，其目标函数依赖于要决定的方程系数．本文着重考察非线性共轭梯度法在此最优化问题数值计算中的表现，并与拟牛顿法作为对比．为了提高算法的效率我们适当选择加快收敛速度的预处理矩阵．同时还考察了线搜索方法的不同对优化算法的影响．数值实验的结果表明，非线性共轭梯度法在这类大规模优化问题中相对于拟牛顿法更有效．     

基于次梯度选取的非光滑优化强次可行方向法

本文结合次梯度选取技术及割平面法和强次可行方向法的思想,提出了一个求解目标函数非光滑约束优化问题的强次可行方向算法.通过设计一个新的寻找搜索方向子问题和构造新型线搜索,算法不仅能接受不可行的初始点,而且能保持迭代点的强次可行性,同时避免在可行域外目标函数值的不适度增加.算法具备全局收敛性,且初步的数值试验表明算法是稳定有效的.     

一类线性约束下不可微最优化问题的可行下降方法

本文给出了一类线性约束下不可微量优化问题的可行下降方法，这类问题的目标函数是凸函数和可微函数的合成函数，算法通过解系列二次规划寻找可行下降方向，新的迭代点由不精确线搜索产生，在较弱的条件下，我们证明了算法的全局收敛性     

无约束优化问题的一个下降方法

本文研究了无约束优化问题.利用当前和前面迭代点的信息以及曲线搜索技巧产生新的迭代点,得到了一个新的求解无约束优化问题的下降方法.在较弱条件下证明了算法具有全局收敛性.当目标函数为一致凸函数时,证明了算法具有线性收敛速率.初步的数值试验表明算法是有效的.     

约束优化问题的几类拟牛顿法

§1.引言 无约束优化的有效算法——拟牛顿法,自1976年由Garcia、Mangasarian和S.P.Han等人应用到约束优化问题以来,一直是非线性规划领域内潮流性课题。由于此类方法有良好的收敛性质因而很受欢迎。但复杂的一维搜索函数的引入也带来了一些显而易见的问题:(1)要求搜索函数有较好的性质而引出较强的假设条件;(2)罚因子的不确定性以及(3)算法产生的点列一般不可行,因而会使搜索方向子问题无可行解,导致算法失效。另外,子问题要用全部约束来构造,这又会增加计算量。     

非凸无约束优化问题的广义拟牛顿法的全局收敛性

本文对无约束优化问题提出一类新的广义拟牛顿法,并采用一类非精确线搜索证明了算法对一般非凸目标函数极小化问题的全局收敛性.     

多点收缩混沌优化方法及全局收敛性证明

针对目前混沌优化算法在选取局部搜索空间时的盲目性,提出一种具有自适应调节局部搜索空间能力的多点收缩混沌优化方法.该方法在当前搜索空间搜索时保留多个较好搜索点,之后利用这些点来确定之后的局部搜索空间,以达到对不同的函数和当前搜索空间内已进行搜索次数的自适应效果.给出了该算法以概率1收敛的证明.仿真结果表明该算法有效的提高了混沌优化算法的性能,改善了混沌算法的实用性.     

一个新的求解加权线性互补问题的非单调光滑牛顿法

本文研究了求解加权线性互补问题的光滑牛顿法.利用一类光滑函数将加权线性互补问题等价转化成一个光滑方程组,然后提出一个新的光滑牛顿法去求解它.在适当条件下,证明了算法具有全局和局部二次收敛性质.与现有的光滑牛顿法不同,我们的算法采用一个非单调无导数线搜索技术去产生步长,从而具有更好的收敛性质和实际计算效果.     

无约束优化问题的精细修正牛顿算法

针对牛顿法在求解一般非凸函数极小值过程中,迭代点处Hessian矩阵不一定正定的情况,提出了一种精细修正的牛顿法.该方法充分利用迭代点处目标函数的一阶、二阶信息,合适选取搜索方向,是最速下降法、牛顿法和已有修正牛顿法相混合的一种方法.在较弱的条件下建立了算法的全局收敛性.进一步的数值实验验证了提出的算法比以往同类算法计...     

解无约束优化问题的一个新的带线搜索的信赖域算法

在传统信赖域方法的基础上, 提出了求解无约束最优化问题的一个新的带线搜索的信赖域算法. 该算法采用大步长 Armijo 线搜索技术获得迭代步长, 克服了每次迭代求解信赖域子问题时计算量较大的缺点, 因而适用于求解大型的优化问题. 在适当的条件下, 我们证明了算法的全局收敛性. 数值实验结果表明本文所提出的算法是有效的.     

一维优化的一个二阶收敛算法

本文利用函数局部逼近导出一个不利用目标函数二阶导数的一维优化方法.我们证明了该方法的二阶收敛性.我们给出的数值结果表明该方法和牛顿法的计算表现十分相似.     

两种微分形式下最优性条件的关系

本文考虑具有不等式约束条件不可微优化问题，假定目标函数和约束函数既是Lipschitz的也是拟可微的．证明了该问题拟微分形式下的FritzJohn点必是Clarke广义梯度形式下的FritzJohn点．另外，还给出了拟微分和Clarke广义梯度之间的关系．     

非线性约束优化的光滑化平方根罚函数

介绍一种非线性约束优化的不可微平方根罚函数,为这种非光滑罚函数提出了一个新的光滑化函数和对应的罚优化问题,获得了原问题与光滑化罚优化问题目标之间的误差估计. 基于这种罚函数,提出了一个算法和收敛性证明,数值例子表明算法对解决非线性约束优化具有有效性.     

求无约束连续全局优化问题的单参数填充函数法

填充函数法是求解全局优化问题的一个重要的确定性算法,这种方法的关键是构造具有良好性质的填充函数.构造了一个新的求解无约束全局优化问题的填充函数.函数连续可微且只包含一个参数.通过分析该函数的相关性质,设计了相应的算法.数值实验表明该算法简单有效.     

极大极小问题的广义投影算法

研究了无约束极大极小问题.通过引入一个可微的辅助函数,利用广义投影技术产生下降搜索方向,结合Armjio非精确线搜索建立了一个广义梯度投影算法.在初始点任意的条件下,证明了算法的全局收敛性.     

摩擦市场中最优证券组合选择的极大极小法

在考虑交易成本的基础上,构造最优投资组合选择的极大极小模型,同时允许投资者卖空风险资产.在求解过程中,针对出现的非光滑函数,通过引入极大熵函数用光滑问题来逼近非光滑问题.最后推导出连续可微的方程组,可采用经典牛顿法求解.数值分析验证了该方法的有效性.     

解非线性规划的凝聚函数法

本文提出求解非线性规划的一种新方法,称为凝聚函数法。首先用“极大值”约凍代替原约束集合,把原来的多约束优化问题变为一个不可微的单约束优化问题;然后利用代理约束概念和最大熵原理导出一个可微函数,并以此逼近不可微的极大值函数,将原问题化为一个可微的单约束优化问题.在此基础上,我们构造了一个乘子惩罚函数算法。该算法具有收敛稳定、速度快和易于计算机实现等优点,特别适于求解含大量约束的非线性规划问题。     

有理单变元表示在优化问题上的应用

利用零维多项式系统的有理单变元表示,给出了求多项式在有限点集上的正性判定算法.同时,结合不等式证明,呈现了目标函数在零维系统约束下最优化的一个纯代数算法,从而将多元函数约束优化问题转化为单变元函数在单变元多项式约束下的优化问题.新算法不仅能处理目标函数为多项式的最优化问题,而且还能处理目标函数为有理分式函数和根式函数的的最优化问题,并且给出了目标函数最优值的精确区间表示,使得能任意精度地逼近最优值.