解带有二次约束二次规划的一个整体优化方法

在本文中，我们提出了一种解带有二次约束二次规划问题（QP）的新算法，这种方法是基于单纯形分枝定界技术，其中包括极小极大问题和线性规划问题作为子问题，利用拉格朗日松弛和投影次梯度方法来确定问题（QP）最优值的下界，在问题（QP）的可行域是n维的条件下，如果这个算法有限步后终止，得到的点必是问题（QP）的整体最优解；否则，该算法产生的点的序列{v^k}的每一个聚点也必是问题（QP）的整体最优解。     

正定二次规划的一个对偶算法

给出了一个正定二次规划的对偶算法．算法把原问题分解为一系列子问题,在保持原问题的Wolfe对偶可行的前提下,通过迭代计算,由这一系列子问题的最优解向原问题的最优解逼近．同时给出了算法的有限收敛性．     

带球（椭球）约束的不定二次规划问题

本文证明了带球（椭球）约束的不定二次规划问题具有强Ｌａｇｒａｎｇｅ对偶性，设计了一个求解这类问题的算法，本语文的结论比文「７」强，所设计的算法比文「７」简洁。     

一种求解二次约束二次规划问题的自适应全局优化算法

为了更好地解决二次约束二次规划问题(QCQP), 本文基于分支定界算法框架提出了自适应线性松弛技术, 在理论上证明了这种新的定界技术对于解决(QCQP)是可观的。文中分支操作采用条件二分法便于对矩形进行有效剖分; 通过缩减技术删除不包含全局最优解的部分区域, 以加快算法的收敛速度。最后, 通过数值结果表明提出的算法是有效可行的。     

一种求解二次约束二次规划问题的自适应全局优化算法

为了更好地解决二次约束二次规划问题(QCQP), 本文基于分支定界算法框架提出了自适应线性松弛技术, 在理论上证明了这种新的定界技术对于解决(QCQP)是可观的。文中分支操作采用条件二分法便于对矩形进行有效剖分; 通过缩减技术删除不包含全局最优解的部分区域, 以加快算法的收敛速度。最后, 通过数值结果表明提出的算法是有效可行的。     

边界约束非凸二次规划问题的分枝定界方法

本文是研究带有边界约束非凸二次规划问题,我们把球约束二次规划问题和线性约束凸二次规划问题作为子问题,分明引用了它们的一个求整体最优解的有效算法,我们提出几种定界的紧、松驰策略,给出了求解原问题整体最优解的分枝定界算法,并证明了该算法的收敛性,不同的定界组合就可以产生不同的分枝定界算法,最后我们简单讨论了一般有界凸域上非凸二次规划问题求整体最优解的分枝与定界思想。     

求非凸二次约束二次规划问题全局解的线性化方法

1引言 考虑如下非凸二次规划的全局优化问题: (QP):{min xTQox doTx,s.t.xTQix ditx≤bi,i=1,…,m,x∈S={x∈Rn:l≤x≤u}, 其中Qo,Qi是n阶实对称矩阵,do,di∈Rn,bi∈R,i=1,…,m;l=(l1,…,ln)T,u=(u1,…,un)T .     

非线性最优化一个可行序列等式约束二次规划算法

本文针对非线性不等式约束优化问题,提出了一个新的可行序列等式约束二次规划算法．在每次迭代中,该算法只需求解三个相同规模且仅含等式约束的二次规划(必要时求解一个辅助的线性规划),因而其计算工作量较小．在一般的条件下,证明了算法具有全局收敛及超线性收敛性．数值实验表明算法是有效的．     

Frame Based Methods for Unconstrained Optimization

This paper describes a wide class of direct search methods for unconstrained optimization, which make use of fragments of grids called frames. Convergence is shown under mild conditions which allow successive frames to be rotated, translated, and scaled relative to one another.     

大规模系统的全局优化

本文讨论了可分非凸大规模系统的全局优化控制问题 .提出了一种 3级递阶优化算法 .该算法首先把原问题转化为可分的多目标优化问题 ,然后凸化非劣前沿 ,再从非劣解集中挑出原问题的全局最优解 .建立了算法的理论基础 ,证明了算法的收敛性 .仿真结果表明算法是有效的 .     

一类大系统目标规划问题分解算法中最优解之间的关系

将一类大系统目标规划问题分解为若干个子问题,研究了原问题的最优解和各个子问题最优解之间的关系,并讨论了原问题最优解的判别条件。     

An Exact Method for Fractional Goal Programming

Goal Programming with fractional objectives can be reduced to mathematical programming with a linear objective under linear and quadratic constraints, thus optimal solutions can be obtained by using existing Global Optimization techniques. However, only heuristic procedures are suggested in the literature on the field. In this note we explore the practical applicability of a recent algorithm for nonconvex quadratic programming with quadratic constraints for this problem. Encouraging computational experiences for randomly generated instances with up to 14 fractional objectives are presented.     

Numerical Experience with a Reduced Hessian Method for Large Scale Constrained Optimization

The reduced Hessian SQP algorithm presented in Biegler et al. [SIAM J. Optimization, Vol. 5, no. 2, pp. 314–347, 1995.] is developed in this paper into a practical method for large-scale optimization. The novelty of the algorithm lies in the incorporation of a correction vector that approximates the cross term Z^TWYp_Y. This improves the stability and robustness of the algorithm without increasing its computational cost. The paper studies how to implement the algorithm efficiently, and presents a set of tests illustrating its numerical performance. An analytic example, showing the benefits of the correction term, is also presented.     

基于粒子群算法的非线性二层规划问题的求解算法

粒子群算法（Particle Swarm Optimization，PSO）是一种新兴的优化技术，其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现，可调参数少，已得到了广泛研究和应用。本文根据该算法能够有效的求出非凸数学规划全局最优解的特点，对非线性二层规划的上下层问题求解，并根据二层规划的特点，给出了求解非线性二层规划问题全局最优解的有效算法。数值计算结果表明该算法有效。     

不同风险偏好下虚拟企业风险规划研究

针对虚拟企业风险规划问题,在分析其各种风险具有随机性的特点的基础上,运用随机规划理论,分别建立风险规划的期望值模型和机会约束规划模型来描述决策者在不同风险偏好下的决策行为。针对所建立的模型,分别设计了基于蒙特卡罗模拟的粒子群优化算法、遗传算法和蚁群算法对其进行求解。仿真分析表明期望值模型较好地描述了风险中性决策者的决策行为,机会约束规划模型随着其偏好系数取值的不同描述了不同风险偏好(风险厌恶、风险中性、风险爱好)决策者的决策行为。通过对三种算法仿真结果的比较分析,表明基于蒙特卡罗模拟的粒子群优化算法在寻优能力、稳定性和收敛速度等方面优于其余两种算法,是解决此类风险规划问题的有效手段。     

基于非线性规划的社会系统协调发展优化模型及其应用

社会系统协调发展优化问题是优化理论运用较少的领域.基于非线性规划方法,依据社会系统协调发展内涵,对社会系统协调发展目标函数做了具体改进,构建了社会系统协调发展优化模型,并根据协调发展类型分为超前型优化模型与滞后型优化模型.这两种优化模型的区别主要是约束条件的不同.依据优化模型的优化解,可以为某地区社会系统的协调发展提供清晰的调节与控制路径.最后利用上述方法对徐州地区物流基础系统、经济基础系统的协调发展进行了具体优化与调控.     

A Proximal Bundle Method Based on Approximate Subgradients

In this paper a proximal bundle method is introduced that is capable to deal with approximate subgradients. No further knowledge of the approximation quality (like explicit knowledge or controllability of error bounds) is required for proving convergence. It is shown that every accumulation point of the sequence of iterates generated by the proposed algorithm is a well-defined approximate solution of the exact minimization problem. In the case of exact subgradients the algorithm behaves like well-established proximal bundle methods. Numerical tests emphasize the theoretical findings.     

含有等式约束非线性规划的全局优化算法

针对含有多个等式约束的非线性规划问题,提出一个全局优化算法.该方法基于可行集策略把改进的模拟退火方法与确定的局部算法方法相结合.对算法的收敛性进行了证明,数值结果表明算法的有效性及正确性.