随机优化磨光算法对卫生陶瓷进出口的分析模型

结合磨光法和最优化理论提出一种随机优化磨光算法(SOS算法),算法通过原始值的参数化和调整幅度的修改,利用优化理论优化控制点.实例表明,随机优化磨光算法比样条修正磨光法和灰色马尔可夫链预测模型精度要高得多;而且所得到的误差变化更稳定.     

拟马尔可夫过程的磨光优化算法及应用

通过对磨光法及马尔可夫过程的研究,马氏过程作为区间预测的一种方法,在很大程度上约束了它预测的科学性,另外,磨光法本身也是一种迭代的方法,对于拟合的精度还是难于控制,通过拟马尔可夫矩阵与磨光法相结合及优化工具,得到拟马尔可夫过程的磨光优化算法,实例表明:拟马尔可夫过程的磨光优化算法使修正磨光后的值逼近原数据值的程度较其它算法更好,而且,拟马尔可夫矩阵反应了从一种状态到另一种状态的转移程度,并且这种算法具有更好的推广和应用。     

基于伸缩变换不一致性的灰色磨光优化模型

很多预测模型都是利用原始数据直接地代入模型中优化参数,这样仍然很难避免整体数据之间的相互约束,使某些局部误差还是很大.为了克服这些缺点,特提出一种基于伸缩变换不一致性的灰色磨光优化模型,模型通过引入描述局部性质的磨光因子、可逆变换和优化方法,很好地保证整体的拟合精度.通过实例比较,模型比其它几种模型的拟合精度更高.     

样条函数磨光法对成本预测方法的改进

本文利用函数逼近理论对成本预测给出了一个精度更高的方法．     

参数化方法在解多目标优化中的应用

求解多目标优化的 参数化方法本质上是将多目标评价函数中的权系数视为可变参数。本文从一般的含参数的优化问题出发，论述了最优解连续依赖于参数的变化。本文的数值例子将表是，采用这种处理方法，可达到人们的预期目的。     

基于混沌粒子群优化算法的灰色GM(1,1)模型在地下水埋深预测中的应用

将混沌优化算法与粒子群优化算法相结合,形成新的混沌粒子群优化算法.利用混沌运动的遍历性,避免陷入局部最优.同时,粒子群算法能加快混沌优化算法的收敛速度,使搜索效率得到提高.用混沌粒子群优化算法优化灰色GM(1,1)模型中的参数,通过横向和纵向比较,优化效果良好,模型预测精度得到了提高.运用该模型对三江平原地下水埋深进行动态预测,预测结果可为有关决策部门提供参考.     

粒子群优化的收敛分析及在广义预测控制中的应用

在进行粒子群优化的收敛性理论分析的基础上,推出了保证粒子群优化算法收敛性的参数设置区域,合理选择粒子群算法的关键参数,将粒子群优化与广义预测控制有机融合,用粒子群算法来解决广义预测控制的优化问题,提出基于粒子群优化的广义预测控制算法,通过工业过程对象的仿真并和传统的广义预测控制算法进行了对比分析,表明了该算法的有效性,特别是算法具有良好的输出跟踪精度和较强的鲁棒性.     

隐互补约束优化问题的磨光SQP算法

本文提出了一类隐互补约束优化问题的磨光SQP算法.首先,我们给出了这类优化问题的最优性和约束规范性条件.然后,在适当假设条件下,我们证明了算法具有全局收敛性.     

组合预测模型在税收收入预测中的应用

准确预测税收收入,对于有效地进行市场经济条件下的宏观调控有着重要的意义.为了充分利用各单项预测的信息以提高预测精度,在现有研究的基础上,首先选取指数平滑法、偏最小二乘方法和灰色预测方法对税收收入数据进行定量分析;然后基于误差平方和最小构建了税收收入组合预测模型;最后的算例预测结果表明,构建的税收收入组合预测模型具有较优的预测效果.     

改进的粒子群算法在桁架结构优化设计中的应用

应用改进的粒子群算法进行桁架结构优化设计。首先,在确定初始种群时用随机方向法产生一组适应环境值较高的初始种群,使算法快速收敛于全局最优解,降低了算法的时间复杂度;其次,将模糊推理应用于算法的参数动态调整中,提高种群的适应搜索空间环境的能力;最后,将改进的粒子群算法应用于桁架结构优化设计中.算例表明,改进后算法的搜索性能得到了一定改善,为其应用于大型复杂的工程结构优化设计提供了借鉴.     

塑性极限分析的不可微模型及其光滑化算法

藉助于凸规划的Lagrange对偶理论,建立了Mises屈服条件下理想刚塑性材料Hill最大塑性功原理的对偶问题,并据此建立了极限分析的一个不可微凸规划模型．该模型不仅避免了对屈服条件的线性化,而且其离散化形式为线性约束下Euclid模之和的极小化问题．针对Euclid模的不可微性,提出理想刚塑性体极限分析的一种光滑化算法．通过计算平面应力和平面应变问题的极限荷载因子和相应的坍塌机构,验证了算法的有效性．     

一种解决不等式约束优化问题的光滑牛顿法

本通过引入松弛变量和Fischer函数把带有不等式约束优化问题的K-T条件转化为一个等价的非线性系统，并引入一参数μ，从而提出了一种新的光滑牛顿法。在适当的条件下，证明了算法的全局收敛性，并提供了数值结果。     

基于CVaR投资组合优化问题的光滑化方法

对选定的风险资产进行组合投资,以条件风险价值(CVaR)作为度量风险的工具,建立单期投资组合优化问题的CVaR模型。目标函数中含有多重积分与plus函数,产生情景矩阵将多重积分计算转化成求和运算,提出plus函数的一个新的一致光滑逼近函数并给出求解CVaR模型的光滑化方法,最后的实证研究表明了本文算法的优越性。     

A Smoothing Method of Global Optimization that Preserves Global Minima

A new smoothing method of global optimization is proposed in the present paper, which prevents shifting of global minima. In this method, smoothed functions are solutions of a heat diffusion equation with external heat source. The source helps to control the diffusion such that a global minimum of the smoothed function is again a global minimum of the cost function. This property, and the existence and uniqueness of the solution are proved using results in theory of viscosity solutions. Moreover, we devise an iterative equation by which smoothed functions can be obtained analytically for a class of cost functions. The effectiveness and potential of our method are then demonstrated with some experimental results.     

求解圆锥规划的光滑牛顿法

圆锥规划是一类重要的非对称锥优化问题.基于一个光滑函数,将圆锥规划的最优性条件转化成一个非线性方程组,然后给出求解圆锥规划的光滑牛顿法.该算法只需求解一个线性方程组和进行一次线搜索.运用欧几里得约当代数理论,证明该算法具有全局和局部二阶收敛性.最后数值结果表明算法的有效性.     

A Globally Convergent Smoothing Newton Method for Nonsmooth Equations and Its Application to Complementarity Problems

The complementarity problem is theoretically and practically useful, and has been used to study and formulate various equilibrium problems arising in economics and engineerings. Recently, for solving complementarity problems, various equivalent equation formulations have been proposed and seem attractive. However, such formulations have the difficulty that the equation arising from complementarity problems is typically nonsmooth. In this paper, we propose a new smoothing Newton method for nonsmooth equations. In our method, we use an approximation function that is smooth when the approximation parameter is positive, and which coincides with original nonsmooth function when the parameter takes zero. Then, we apply Newton's method for the equation that is equivalent to the original nonsmooth equation and that includes an approximation parameter as a variable. The proposed method has the advantage that it has only to deal with a smooth function at any iteration and that it never requires a procedure to decrease an approximation parameter. We show that the sequence generated by the proposed method is globally convergent to a solution, and that, under semismooth assumption, its convergence rate is superlinear. Moreover, we apply the method to nonlinear complementarity problems. Numerical results show that the proposed method is practically efficient.     

A Trust-Region Algorithm for Global Optimization

We consider the global minimization of a bound-constrained function with a so-called funnel structure. We develop a two-phase procedure that uses sampling, local optimization, and Gaussian smoothing to construct a smooth model of the underlying funnel. The procedure is embedded in a trust-region framework that avoids the pitfalls of a fixed sampling radius. We present a numerical comparison to three popular methods and show that the new algorithm is robust and uses up to 20 times fewer local minimizations steps.     

A Smoothing Newton-Type Algorithm of Stronger Convergence for the Quadratically Constrained Convex Quadratic Programming

In this paper we propose a smoothing Newton-type algorithm for the problem of minimizing a convex quadratic function subject to finitely many convex quadratic inequality constraints. The algorithm is shown to converge globally and possess stronger local superlinear convergence. Preliminary numerical results are also reported. Mathematics Subject Classification (1991): 90C33, 65K10 This author’s work was also partially supported by the Scientific Research Foundation of Tianjin University for the Returned Overseas Chinese Scholars and the Scientific Research Foundation of Liu Hui Center for Applied Mathematics, Nankai University-Tianjin University.