一类带等式约束非光滑最优化问题的逐次二次规划方法

本文对一类带等式的非光滑最优化问题给出了一种逐次二次规划方法。这类问题的目标函数是非光滑合成函数，约束函数是非线性光滑函数。该方法通过逐次解二阶规划寻找搜索方向，使用ｌ１－罚函数的非精确线搜索得到新的迭代点。我们证明了算法的全局收敛性并给出了数值试验结果。     

GoAggⅡ体系催化氧化环己烷为环己酮

研究了Gif体系成员之一GoAggⅡ体系催化氧化环己烷为环己酮的反应.考察了催化剂用量、氧化剂用量、溶剂配比、反应温度和反应时间等对产率的影响.最佳反应条件为:1 40 mmol,催化剂[NH4Fe(SO4)2]1mmol,氧化剂[30%H2O2]80 mmol,溶剂[y(吡啶):V(乙酸)=5.6:1.0]33 mL,于40℃反应16 h.在此条件下,收率达10.33%,n(环己酮):n(环己醇)=5.61.     

单调全局最优化问题的凸化外逼近算法

单调优化是指目标函数与约束函数均为单调函数的全局优化问题．本文提出一种新的凸化变换方法把单调函数化为凸函数，进而把单调优化问题化为等价的凸极大或凹极小问题，然后采用Hoffman的外逼近方法来求得问题的全局最优解．我们把这种凸化方法同Tuy的Polyblock外逼近方法作了比较，通过数值比较可以看出本文提出的凸化的方法在收敛速度上明显优于Polyblock方法．     

凹整数规划的分枝定界解法

凹整数规划是一类重要的非线性整数规划问题，也是在经济和管理中有着广泛应用的最优化问题．本文主要研究用分枝定界方法求解凹整数规划问题，这一方法的基本思想是对目标函数进行线性下逼近，然后用乘子搜索法求解连续松弛问题．数值结果表明，用这种分枝定界方法求解凹整数规划是有效的．     

油藏油水两相流低阶模型算法

目前,油藏数值模拟主要采用的方法如有限元方法、有限容积法等在油藏数值计算时均需要较长的计算时间,很大程度上限制了油藏注采的实时预测与快速动态模拟.该文以一种高效的数据处理方法(最佳正交分解(POD)方法)为基础,对油藏油、水两相流抽取特征函数,并对油藏两相流模型进行Galerkin投影得到新的低阶计算模型.数值计算表明,POD方法所得到的特征向量能量具有最优的特征,能以较少的特征向量捕捉到数学模型中较大的“能量”,因此能最大限度地描述油藏的特征(压力、饱和度),对油藏偏微分方程模型起到较好的降阶作用.结论表明,低阶模型的计算结果与隐压显饱(IMPES)所得计算结果吻合较好,且能节省更多的计算时间,因此能较好地在油藏注采数值模拟中进行历史拟合与仿真计算.     

求不定二次规划全局解的一个新算法

本文提出了一个求不定二次规划问题全局最优解的新算法.首先,给出了三种计算下界的方法:线性逼近法、凸松弛法和拉格朗日松弛法;并且证明了拉格朗日对偶界与通过凸松弛得到的下界是相等的;然后建立了基于拉格朗日对偶界和矩形两分法的分枝定界算法,并给出了初步的数值试验结果.     

离散线性投资组合模型的分枝定界算法

本文提出了一类新的带整数交易手数和凹型交易费用的均值绝对偏差模型(MAD)和极大极小投资组合模型(Minmax),并给出了离散模型的分枝定界算法.我们分别用随机产生的数据和Nasdaq股票市场的真实数据进行了数值实验,数值分析表明在一定的收益水平下均值绝对偏差离散模型风险控制上优于极大极小投资组合离散模型,而计算效率上极大极小投资组合离散模型优于期望绝对偏差离散模型.     

数据挖掘中聚类中心问题的光滑化和填充函数方法

本文提出了数据挖掘中求解聚类中心问题的一种新方法.这类问题属于非凸非光滑全局最优化问题.我们首先利用光滑化方法将非光滑聚类函数用光滑函数逼近,然后对光滑化问题利用填充函数搜索其全局最优点.对不同数据库的数值试验表明,本文提出的算法是可行和有效的.     

不可微合成函数的极小化方法

本文提出了一种极小化不可微合成函数的下降算法。该算法通过内部迭代寻找下降方向，每次内部迭代求解一个二次规划。外部迭代点不精确线搜索求得，算法在有限步内得到近似平稳点，经过适当修正后，算法全局收敛到平衡点。     

A NONMOTOTONE ALGORITHM FOR MINIMIZING NONSMOOTH COMPOSITE FUNCTIONS

In this paper, we present a nonmonotone algorithm for solving nonsmooth composite optimization problems. The objective function of these problems is composited by a nonsmooth convex function and a differentiable function. The method generates the search directions by solving quadratic programming successively, and makes use of the nonmonotone line search instead of the usual Armijo-type line search. Global convergence is proved under standard assumptions. Numerical results are given.