解非线性规划问题的非参数罚函数多目标正交遗传算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数法的困难在于参数的选取.本文提出了一种解非线性规划问题非参数罚函数多目标正交遗传算法,对违反约束的个体进行动态的惩罚以保持群体中不可行解的一定比例,从而不但有效增加种群的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近.数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

解非线性规划的凝聚函数法

本文提出求解非线性规划的一种新方法,称为凝聚函数法。首先用“极大值”约凍代替原约束集合,把原来的多约束优化问题变为一个不可微的单约束优化问题;然后利用代理约束概念和最大熵原理导出一个可微函数,并以此逼近不可微的极大值函数,将原问题化为一个可微的单约束优化问题.在此基础上,我们构造了一个乘子惩罚函数算法。该算法具有收敛稳定、速度快和易于计算机实现等优点,特别适于求解含大量约束的非线性规划问题。     

一类求解线性约束非线性规划问题的可行方向法

Wilson,Han和Powell提出的序列二次规划方法(简称SQP方法)是求解非线性规划问题的一个著名方法,这种方法每次迭代的搜索方向是通过求解一个二次规划子问题得到的,本文受[1]启发,得到二次规划子问题的一个近似解,进而给出了一类求解线性约束非线性规划问题的可行方向法,在约束集合满足正则性的条件下,证明了该算法对五种常用线性搜索方法具有全局收敛性。     

一类稀疏约束非线性规划的约束规格

研究一类带有闭凸集约束的稀疏约束非线性规划问题,这类问题在变量选择、模式识别、投资组合等领域具有广泛的应用.首先引进了限制性Slater约束规格的概念,证明了该约束规格强于限制性M-F约束规格,然后在此约束规格成立的条件下,分析了其局部最优解成立的充分和必要条件.最后,对约束集合的两种具体形式,指出限制性Slater约束规格必满足,并给出了一阶必要性条件的具体表达形式.     

利用遗传算法求一类非线性规划的最优解

针对一类非线性规则问题（Nonlinear Programming Problem)，采用遗传算法思想设计求解算法，实例表明，该遗传算法具有较高的计算效率。     

一个求解线性不等式约束的非线性规划的广义梯度投影内点 …

基于内点算法思想,利用广义投影技术设计了求解带线性不等式约束和非负约束的非线性规划的广义梯度投影内点算法,并了算法的收敛性质,数值例子表明算法是有效的。     

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.     

求解不等式约束优化的可拓遗传算法

提出了求解不等式约束优化问题的可拓遗传算法.分别考虑种群中的可行解和不可行解,建立可拓关联函数对不可行解的优劣程度进行可拓评价,然后采用精英选择策略,确保每次迭代中均有一定数量和质量的不可行解被选择,从而避免种群陷入局部最优.引入了高斯变异维持种群多样性,提高算法搜索速度.通过对两个测试问题的实验和分析,验证了可拓遗传算法的可行性和有效性.     

Complementarity Active-Set Algorithm for Mathematical Programming Problems with Equilibrium Constraints

In this paper, an algorithm for solving a mathematical programming problem with complementarity (or equilibrium) constraints (MPEC) is introduced, which uses the active-set methodology while maintaining the complementarity restrictions throughout the procedure. Finite convergence of the algorithm to a strongly stationary point of the MPEC is established under reasonable hypotheses. The algorithm can be easily implemented by adopting any active-set code for nonlinear programming. Computational experience is included to highlight the efficacy of the proposed method in practice.     

二层线性规划的自适应遗传算法

提出了一种自适应遗传算法来求解二层线性规划问题.该方法克服了难以确定合适的交叉概率和变异概率的困难.另外,在该方法中还采用了其它一些技巧不仅解决了在采用遗传算法经常出现的有些个体不可行的问题,而且还改进了算法的效率.     

基于GP/GA的数据建模方法

传统的数据建模方法 ,需要利用统计学和人工智能技术对数据进行探索性分析 ,操作者必须掌握大量的先验知识。将遗传程序设计 (GP)和遗传算法 (GA)应用到数据建模中 ,实现模型的自动获取。试验结果表明 ,在遗传操作中执行子树变异操作 ,将性能好的模型结构引入到进化中 ,可以提高遗传程序设计的收敛速度     

An Algorithm for Strictly Convex Quadratic Programming with Box Constraints

1IntroductionWeconsiderastrictlyconvex(i.e.,positivedefinite)quadraticprogrammingproblemsubjecttoboxconstraints:t-iereA=[aij]isannxnsymmetricpositivedefinitematrix,andb,canddaren-vectors.Letg(x)bethegradient,Ax b,off(x)atx.Withoutlossofgeneralityweassumebothcianddiarefinitenumbers,ci相似文献   

Global Optimization Method for Solving Mathematical Programs with Linear Complementarity Constraints

We propose a method for finding a global optimal solution of programs with linear complementarity constraints. This problem arises for instance in bilevel programming. The main idea of the method is to generate a sequence of points either ending at a global optimal solution within a finite number of iterations or converging to a global optimal solution. The construction of such sequence is based on branch-and-bound techniques, which have been used successfully in global optimization. Results on a numerical test of the algorithm are reported.The main part of this article was written during the first authors stay as Visiting Professor at the Institute of Policy and Planning Sciences, University of Tsukuba, Tsukuba, Japan. The second and the third authors were supported by Grant-in-Aid for Scientific Research C(2) 13650061 of the Ministry of Education, Culture, Sports, Science, and\break Technology of Japan.The authors thank P. B. Hermanns, Department of Mathematics, University of Trier, for carrying out the numerical test reported in Section 5. The authors also thank the referees and the Associate Editor for comments and suggestions which helped improving the first version of this article.     

A Globally Convergent Sequential Quadratic Programming Algorithm for Mathematical Programs with Linear Complementarity Constraints

This paper presents a sequential quadratic programming algorithm for computing a stationary point of a mathematical program with linear complementarity constraints. The algorithm is based on a reformulation of the complementarity condition as a system of semismooth equations by means of Fischer-Burmeister functional, combined with a classical penalty function method for solving constrained optimization problems. Global convergence of the algorithm is established under appropriate assumptions. Some preliminary computational results are reported.     

遗传算法的一种改进进化策略

在现有文献研究的基础上,对传统遗传算法的进化策略又作了进一步研究,提出了一种改进的进化策略.进化策略克服了传统遗传算法中交又得到的优秀个体有可能在变异过程中遭到破坏而不能生存的不足.另外取消了遗传算法中难以确定的交叉、变异概率,使交叉产生的新个体数增多,这样可增大产生更优秀个体的可能性,因而可使遗传算法的性能得到更好的改善.通过4个测试函数的测试计算,结果表明,给出的改进进化策略比传统遗传算法进化策略的运算速度明显提高,迭代次数明显减少,从而验证了提出的改进进化策略的有效性.     

遗传规划的改进算法

通过改变遗传规划算法中初始群体的生成方法,改变变异策略和修正适应度函数,对遗传规划算法进行了改进,并通过符号回归数值实验对改进后算法的性能进行了测试,且将改进后的算法与改进前以及其它改进算法进行了比较,数值实验结果表明,改进后的算法有效地提高了遗传规划的效率。