多目标规划的一类基于精确罚函数的交互式方法

该文在约束集的线性化锥非空的条件下,得到了带有等式和不等式约束的多目标规划问题的精确罚函数的存在性,用原问题的二次近似在某些点上的Kuhn－Tucker乘子给出了罚因子的下界．在此基础上,利用极大熵方法的思想将罚问题转化为可微的无约束多目标规划问题并给出了求解该问题的一种交互式算法．数值结果表明：该文算法具有计算速度快、精度高、适用范围广且易于理解和使用等优点．     

求解约束极小极大问题的一种K─S函数的近似迭代法

借助于极大熵方法和逼近法，给出了一种求解约束极小极大问题的K－S函数近似迭代法，同时讨论算法的有关收敛性．     

半无限极大极小问题的极大熵方法

给出了一种求解半无限极大极小问题的极大熵方法，其基本思想是将半无限极大极小问题用有限维的可微无约束优化问题来近似．研究了方法的一些性质，并证明了方法的收敛性．文末的数值结果说明：这种方法是可行的，而算法的构造比已知的算法要容易得多，因而易于在工程设计中推广应用．     

低阶精确罚函数的一种二阶光滑逼近

给出了求解约束优化问题的低阶精确罚函数的一种二阶光滑逼近方法,证明了光滑后的罚优化问题的最优解是原约束优化问题的ε-近似最优解,基于光滑后的罚优化问题,提出了求解约束优化问题的一种新的算法,并证明了该算法的收敛性,数值例子表明该算法对于求解约束优化问题是有效的.     

压缩感知中信号重构的极大熵方法(英文)

本文针对压缩感知理论中BP算法的l1最优化问题,构造了一种新的信号重构的极大熵方法.极大熵方法克服了l1最优化问题的非光滑性,同时根据同伦方法构造极大熵函数的最优解序列来逼近全局最优稀疏解.数值实验表明极大熵方法是十分有效的信号重构方法.     

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。     

多维区域上椭圆型方程Dirichlet问题的勒让德多小波多层扩充算法

用小波伽辽金方法求解多维区域上椭圆型方程齐次Dirichlet问题,构造了近似解空间的两个等价的勒让德多小波基,使得快速求解离散后的线性方程组的多层扩充算法得以实现.数值算例表明该算法是有效的.     

新的滤子方法

本文定义了一种新的滤子方法,并提出了求解光滑不等式约束最优化问题的滤子QP-free非可行域方法.通过乘子和分片线性非线性互补函数,构造一个等价于原约束问题一阶KKT条件的非光滑方程组.在此基础上,通过牛顿-拟牛顿迭代得到满足KKT最优条件的解,在迭代中采用了滤子线搜索方法,证明了该算法是可实现,并具有全局收敛性.另外,在较弱条件下可以证明该方法具有超线性收敛性.     

新的滤子方法(英)

本文定义了一种新的滤子方法,并提出了求解光滑不等式约束最优化问题的滤子QP-free非可行域方法. 通过乘子和分片线性非线性互补函数,构造一个等价于原约束问题一阶KKT条件的非光滑方程组.在此基础上, 通过牛顿-拟牛顿迭代得到满足KKT最优条件的解,在迭代中采用了滤子线搜索方法,证明了该算法是可实现,并具有全局收敛性. 另外,在较弱条件下可以证明该方法具有超线性收敛性.     

两个约束条件下多产品报童问题的求解方法研究

对两个约束条件下多产品报童问题的求解方法进行研究。首先分析了问题的结构特征,利用对偶问题解空间的四个不同区域对应的最优解具有的不同性质,给出了不同解空间区域的求解思路。然后基于两种资源的边际利益的性质,提出一种二分搜索算法对问题进行求解,并证明了该算法能够得到问题的最优解或者近似最优解,且具有多项式复杂度。最后应用算例说明算法计算效率高,可以在较少的迭代步骤内快速求解两个线性约束下产品数较大的多产品报童问题。