半定互补问题的全局收敛算法

基于某一效益函数,本文给出了求解半定互补问题的下降算法,并在适当的条件下证得其全局收敛性.     

混合约束下广义几何规划的一种全局收敛算法

In this paper, we develop a rapidly convergent algorithm for mixed constrained signomial geometric programming. The algorithm makes use of the characteristics of signomial geometric programming, and establishes a new active-set strategy on the basis of trust region method. The global convergence is proved, and some numerical tests are given to illustrate the effectiveness.     

非线性规划的一个全局收敛的一般算法模式及应用

非线性规划的一个全局收敛的一般算法模式及应用赵云彬，李俭（中国科学院应用数学研究所，北京１０００８０）（重庆大学数学系，重庆６３００４４）考虑约束问题中Ｊ：＊”－－＋Ｒ；ｈ：Ｈ”、＊ｍ且０＜。＜＋．Ｘ分别为如下三种约束：（１）ｘ一＊”Ｚ（１１）ｘ一｛...     

一类优化问题的快速收敛算法

给出了一个用于解决 LC1线性约束优化问题的 BFGS-SQP算法 ,这个算法是用 Armijo线性原则来求步长的 .为推广 BFGS-SGP算法 ,本文采用 Wolfe线性搜索原则来替代该 BFGS-SQP算法的 Armijo原则 ,经过分析 ,同样得到了 BFGS-SGP算法的全局收敛性及超线性收敛性     

不等式约束优化全局收敛的滤子线性方程组算法

设计了求解不等式约束非线性规划问题的一种新的滤子序列线性方程组算法,该算法每步迭代由减小约束违反度和目标函数值两部分构成.利用约束函数在某个中介点线性化的方法产生搜索方向.每步迭代仅需求解两个线性方程组,计算量较小.在一般条件下,证明了算法产生的无穷迭代点列所有聚点都是可行点并且所有聚点都是所求解问题的KKT点.     

基于加强型BP算法的神经网络故障诊断研究

文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 .     

非线性约束优化问题的一个新的全局收敛算法

对于非线性约束的优化问题.最近给出的各种SQP算法均采用罚函数技巧以保证算法的全局收敛性,因而都必须小心地调整惩罚参数。本文给出一个不依赖于惩罚参数、每步迭代的校正矩阵也不需正定且仍具有全局收敛性的SQP方法,而且罚函数形式简单、具有和约束函数同阶的光滑性.     

Max—min神经网络的一种有效学习算法

本文在Ａ．Ｂｌａｎｃｏ等人的算法的基础上，提出了ｍａｘ－ｍｉｎ神经网络的一种改进了的反馈学习算法，严格证明了该算法的迭代收敛性，理论分析及实例计算结果均表明，本文算法具有算法简单，收敛速度快，输出误差小等显著特点。     

多层神经网络的一个快速算法

本文对文[4]提出的前馈式多层神经网络的单参数动态搜索（SPDS）算法进行了深入的分析，给出了实现快速一维搜索的两个方案，从而实现了多层神经网络更为快速的学习训练．     

DFP算法全局收敛性的几个充分性条件

本文在目标函数是一致凸且采用Ｗｏｌｆｅ线搜索的条件下，给出无约束最优化问题的ＤＦＰ算法的全局收敛性的几个充分性条件，并与「１」中的条件进行了比较。     

一类激励-抑制型时滞神经网络模型解的收敛性

本文考虑一类激励-抑制型时滞神经网络模型解的收敛性.利用分析的方法并结合平面系统的几何特性,得出初值φ=(ψ,Ψ)∈R2,在响应区间[a,b]的端点a和b处不振动时,解(z(t),y(t))→(0,0)(t→+∞).     

GLOBAL CONVERGENCE OF NONMONOTONIC TRUST REGION ALGORITHM FOR NONLINEAR OPTIMIZATION

§ 1　 IntroductionIn this paper we study the following nonlinear equality constrained optimization prob-lem:minimize f(x) ,subjectto h(x) =0 ,(P)where h(x) =(h1 (x) ,h2 (x) ,...,hm(x) ) T,f and hi(i=1 ,2 ,...,m) are Rn→R twice conti-nously differentiable(m≤n) .Many authors have studied the problem(P) with trustregion method(see,references[1～ 3 ] ) .These methods have the same property:to enforce strict monotonicity for meritfunction at every iteration.Paper[4 ] shows thatstrictmonotonic …     

非线性不等式约束最优化快速收敛的可行信赖域算法

In this paper,by combining the trust region technique with the generalized gradient projection.a new trust region algorithm with feasible iteration points is presented for nonlinear inequality constrained optimization,and its trust region is a general compact set containing the origion as an inteior point.No penalty function is used in the algorithm,and it is feasible descent .Under suitable assumptions,the algorithm is proved to possess global and strong convergence as well as superlinear and quadratic convergence.Some numerical results are reported.     

一个共轭梯度方法全局收敛性的判别准则

本文建立了一个共轭梯度方法全局收敛性的判别准则,基于这一准则证明了一类三参数共轭梯度法的全局收敛性及DY方法的一个变形的全局收敛性.     

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。     

一类新的信赖域算法的全局收敛性

本文对于无约束最优化问题提出了一类非单调的信赖域算法，它是通常的单调信赖域算法的推广。当目标函数是有下界的连续可微函数，而且它的二阶导数的近似的模是线性地依赖于迭代次数时，我们证明了新算法的整体收敛性。     

GLOBAL CONVERGENCE OF A TRUST REGION ALGORITHM USING INEXACT GRADIENT FOR EQUALITY-CONSTRAINED OPTIMIZATION

1 IntroductionIn this papert we study following nonlinear equlity-constrained optimization problem,where C(x) = (of(x), c200,' t c.(x))"(m 5 n), f, ci: R" -- R are at least twice contimuouslydifferentiable, AC(~) has fllll column rank in the range of interest.There are many trust-region algorithms for problem (1.1), (see [11,[2],[5]), these papershave a same point that is using exact gradient informations, but it is in realistic application.[3] and [41 give a trust region algorithm using i…     

一类时滞非线性系统的采样迭代学习控制

本文针对一类时滞非线性系统提出一种采样迭代学习控制算法,严格证明了该算法的指数收敛性.当系统满足所给出的条件时,跟踪误差以指数速率收敛至一个与采样周期有关的误差范围内.     

约束优化的曲线搜索信赖域算法及其全局收敛性

本文通过对无约束优化ＯＤＥ算法的信赖域分析,提出了约束优化问题的曲线搜索信赖域算法,给出了算法步骤,并讨论了该算法的全局收敛性。