求线性比试和问题的确定性全局优化算法

为求线性比试和问题的全局最优解,本文给出了一个分支定界算法.通过一个等价问题和一个新的线性化松弛技巧,初始的非凸规划问题归结为一系列线性规划问题的求解.借助于这一系列线性规划问题的解,算法可收敛于初始非凸规划问题的最优解.算法的计算量主要是一些线性规划问题的求解.数值算例表明算法是切实可行的.     

具周期输入的有限连续分布时滞神经网络周期解的全局指数稳定性

在去掉对激励函数有界、连续可导、平均时滞有界的条件下,仅要求激励函数满足Lip-schitz条件和连接权矩阵之间的关系是一个M-矩阵的情形下,利用重合度理论、Dini导数等知识得出了具周期输入的有限连续分布的一类细胞神经网络周期解的存在性.利用Dini导数和不等式分析技术在同样条件下得出了周期解的指数稳定性.推广和改进了前人的结论.并举例说明了所得定理的有效性.     

基于混沌和填充函数的全局优化算法

本文把混沌优化算法和无参数填充函数有机结合起来,在提出一类无参数填充函数和证明其填充性质的基础上,构造出一种混合优化算法,该算法提高了全局最优解的精度和算法效率.按照理论分析设计了一个基于混沌的无参填充函数全局优化算法,理论分析和数值实验结果证明了算法的有效性和优越性.     

Wolfe线搜索下一类混合共轭梯度法的全局收敛性

本文给出了一个新的共轭梯度公式,新公式在精确线搜索下与DY公式等价,并给出了新公式的相关性质.结合新公式和DY公式提出了一个新的混合共轭梯度法,新算法在Wolfe线搜索下产生一个下降方向,并证明了算法的全局收敛性,并给出了数值例子.     

无记忆非拟 Newton 算法的导出和全局收敛性

In this paper, a new class of memoryless non-quasi-Newton method for solving unconstrained optimization problems is proposed, and the global convergence of this method with inexact line search is proved. Furthermore, we propose a hybrid method that mixes both the memoryless non-quasi-Newton method and the memoryless Perry-Shanno quasi-Newton method. The global convergence of this hybrid memoryless method is proved under mild assumptions. The initial results show that these new methods are efficient for the given test problems. Especially the memoryless non-quasi-Newton method requires little storage and computation, so it is able to efficiently solve large scale optimization problems.     

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.     

基于比率的三种群混合扩散模型的动力学行为

讨论了一类基于比率的非自治三种群混合扩散模型,三种群间既有捕食关系又有竞争关系.我们研究了该模型的动力学行为:包括一致持久性,全局渐近稳定性,周期解,概周期解的存在唯一性.表明即使食饵种群在某些孤立的斑块中可能绝灭,也可以通过适当选取扩散率来保证系统持续生存.     

一类具有直接和间接传播的SIV传染病模型

传染病的传播途径是多种多样的,如:直接传播和间接传播等.在以往的传染病模型中,大多是只考虑直接传播对疾病的影响,而忽略了环境作用对疾病的影响,即间接传播的影响.其实,间接传播在传染病的传播中同样起着重要的作用,忽略间接传播的影响会低估基本再生数,从而错估传染病爆发的规模,给人类的健康带来更大的威胁.研究了一个既有直接传播又有间接传播的SⅣ传染病模型,通过研究模型的动力学行为,给出了无病平衡点和地方病平衡点全局渐近稳定的条件,并用数值模拟证实了该结果.     

一种修正的CD共轭梯度法及其全局收敛性

求解无约束优化问题的共轭梯度法,其搜索方向的下降性往往依赖于所采用的线性搜索.将提出一种修正的CD算法,其搜索方向d_k始终满足1-1/u≤(-g_k~Td_k)/(‖g_k‖~2)≤1+1/u(u1),即算法在不依赖任何线性搜索的情况下能始终产生充分下降方向.同时,当采用精确线性搜索时,该修正的CD算法就是标准的CD共轭梯度法.在适当条件下,还证明了修正的CD算法在强Wolfe线性搜索下具有全局收敛性.最后,我们给出了相应的数值结果,说明了算法是一种有效的算法.