一种修正的求总极值的积分—水平集方法的实现算法收敛性

1978年,郑权等提出了一个积分型求总极值的概念性算法及Monte-Carlo随机投点的实现算法,给出了概念性算法的总极值存在的充分必要条件,但是其实现算法收敛性仍未解决,1986年,张连生等给出离散均值－水平集的实现算法,并证明了它的收敛性。本文给出修正的积分－水平集方法,用一致分布搂九值积分逼近水平集构造实现算法,并证明了算法的收敛性。     

一种修正的求约束总极值的积分-水平集方法

对于有约束的全局最优化问题,在Chew-Zheng的《Integral Global Optimization》和邬冬华等的《一种修正的求总极值的积分-水平集方法的实现算法收敛性》的基础上,给出一种修正的求约束总极值的积分-水平集方法,它同样具有修正的求总极值的积分-水平集方法的两个特点: 1) 每一步构造一个新函数,它与原目标函数具有相同的总极值; 2) 避免了郑权算法在一般情况下,由于水平集不易求得而造成难以求出水平集的困难．同时给出了其实现算法,并证明了算法的收敛性．     

用均值—水平集求多个总极值点的方法

在文（１）、（２）中给出了一个积分求总极值的概念性算法及其Ｍｏｎｔｅ－Ｃａｒｌｏ随机取点的实现途径。并在光学薄膜设计、透镜设计等领域中，取得了较好的应用效果，但其Ｍｏｎｔｅ－Ｃａｒｌｏ实现途径的全局收敛性是未解决问题。     

解非线性经补问题的积分水平集方法

本文考虑有约束的非线性互补问题的全局最优化问题,在文《Integral Global Optimization Method fro Solution of Nonlinear Complementarity problem》和《一的求总极值的积分－水平集方法》的基础上,给出了一种修正的求约束总极值的积分－水平集方法,它同样具有修正的求总极值的积分－水平集方法的两个特点：1）第一步需要构造一个新的函数,而且它与原目标函数具有相同的总极值;2）避免了郑权算法在一般情况下,由于水平集不易求得而造成难以求出水平的困难,并证明了算法的收敛性。     

修正积分水平集算法的一个实现算法及其收敛性证明

郑权等（1978）在“一个求总极值的方法”一文中给出了一个积分水平集求总极值的概念性算法及Monte-Carlo随机投点的实现算法,其收敛性一直未得以解决,本文在张连生,邬冬华等提出的修正算法的基础上,利用数论中一致分布佳点集列,给出了一个实现算法及全局收敛性的证明,为了提高算法的计算效率,文中对算法进行了并行化处理。     

解非线性互补问题的积分水平集方法

本文考虑有约束的非线性互补问题的全局最优化问题,在文《IntegralGlobalOptimizationMethodforSolutionofNonlinearComplementarityproblem》和《一种修正的求总极值的积分一水平集方法》的基础上,给出了一种修正的求约束总极值的积分一水平集方法,它同样具有修正的求总极值的积分一水平集方法的两个特点：1）每一步需要构造一个新的函数,而且它与原目标函数具有相同的总极值;2）避免了郑权算法在一般情况下,由于水平集不易求得而造成难以求出水平的困难,并证明了算法的收敛性     

积分——水平集求全局最优的遗传算法实现

Chew Soo Hong,Zheng Q uan提出了一个积分——水平集求全局最优的概念性算法及M on te-C ar-lo随机投点的实现途径,并在很多实际问题中得到了很好的应用,但这一实现算法的收敛性是个未解决的问题.利用近年来广泛应用的遗传算法,给出了这一算法的另一种实现途径,并从理论和数值两个方面验证了算法的可行性.     

解非线性互补问题的约束积分水平集算法

本文考虑有约束的非线性互补问题的全局最优化问题,在文[1][5]的基础上,利用数论中一致分布佳点集列,给出了以数论方法代替Monte-Caclo投点的实现算法,并证明了所给实现算法的全局收敛性.最后所给出的两个数值例子表明本算法对求非线性互补问题是有效的.     

积分型总极值方法的最优性条件

郑权提出了求总极值问题的积分—水平集的概念性算法,同时给出了最优性条件.本文构造函数F(x),讨论了该函数的性质,证明求解原问题等价于求解方程F(c)=0的根.在文中给出了相应的总极值存在的最优性条件.     

一个求总极值的实现算法及其收敛性

1978年,郑权等首先提出了一种用积分─水平集求总极值的方法及用Monte－Carlo随机投点实现的实现其法,其实现算法是否收敛未解决的问题．本文提出一种用数论方法实现的实现算法,并证明了该实现其法是收敛的．初步的数值结果表明,该实现其法是较有效的．     

多目标最优化的一种积分型实现算法

在文[1]中给出了求解多目标最优化的一种积分总极值的概念性算法．本文利用数论中的一致分布佳点集列，较为简便的得出了多目标最优化的积分总极值的实现算法和算法终止准则．并经过有关函数数值计算表明该算法是有效的，可用来求解多目标最优化问题的有效解．     

一个求总极值的变测度算法及其收敛性

利用积分中值定理阐述了积分型方法的实质,指出了其优点与不足,提出相应的改进方法—变测度算法,并对变测度算法的收敛性进行了证明.     

有约束的变测度积分——水平集算法

提出了一种有约束的变测度积分-水平集的算法,对不同的箱子采用不同的测度,结合确定性数论方法选取一致分布佳点集来代替Monte-Carlo随机投点,使水平值充分地下降,更快地到达全局最小,从而提高算法的计算效率.给出了算法的收敛性证明,并通过数值算例验证了它的有效性.     

变测度的积分-水平集确定性算法

提出了一个求总极值的变测度确定性算法,对不同的箱子采用不同的测度,结合确定性数论方法选取一致分布佳点集来代替Monte-Carlo随机投点,使水平值充分地下降,更快地到达全局最小,从而提高算法的计算效率.在文中给出了算法的收敛性证明,并通过数值算例验证了它的有效性.     

一种新的求总极值的水平值估计算法

提出了一种求解总极值问题的新水平值估计算法. 为此, 引入一类变差函数并研究它的性质; 给出基于变差函数的全局最优性条件, 并构造出一种求总极值的水平值估计算法. 为了实现这种算法, 采用了基于重点样本技术的Monte-Carlo方法来计算变差,并利用相对熵算法的主要思想更新取样密度.初步的数值实验说明了算法的有效性.     

求总极值的区间压缩方法

对求解无约束最优化问题 ,本文给出了一个区间压缩方法 .应用此方法能使函数值按几何级数收敛于 f (x)的极小值 ,并且计算量远小于郑权等人方法的计算量     

修正积分水平集方法的随机实现算法

本文提出了一个从随机到确定性的变测度算法，通过对不同的箱子采用不同的测度，将Monte-Carlo随机投点与确定性数论方法相结合的策略，使水平值充分地下降．最后，给出了实现算法收敛性并通过数值实验验证了其有效性．     

求总极值问题的最优性条件

郑权提出了求总极值问题的积分－水平集的概念性算法,同时给出了最优性条件。本文提出了修正的积分－水平集算法,并且给出了类似的总极值存在的最优性条件。     

一种求约束总极值的水平值估计方法

给出了一种求约束总极值的水平值估计方法,说明了修正的方差方程的根与原始问题的最优值之间的等价性,给出了一种基于牛顿法的水平值估计算法并证明了实现算法的收敛性．初步的计算例子表明所给算法是有效的．     

变测度的积分型全局优化算法

郑权等首先提出积分-水平集求总极值的方法,实现算法中采用Monte-Carlo 随机投点产生近似水平集来缩小搜索区域范围,但这一算法可能失去总极值点．此后,邬 冬华等给出了一种修正的积分－水平集的方法,一种区域不收缩的分箱方法以保证总极 值点不被丢失．本文在此基础上采取对不同的箱子采用不同的测度这一策略,使水平值 更充分的下降,更快的达到全局极小值,以提高修正算法的计算效率．最后给出的数值算 例说明了算法是有效的．