求解矩阵方程组的ABS算法

本文基于一类线性空间(Rn,n)n,n,建立求解( )X=B形式的矩阵方程组的ABS算法.讨论基本的ABS算法和两个特殊的ABS算法及其性质.并将其中的Huang算法用于求解带有各种约束(包括对称和稀疏约束)的拟牛顿方程.     

条形装箱问题的优化模型和增广Lagrange算法

This paper formulates a two-dimensional strip packing problem as a non-linear programming(NLP)problem and establishes the first-order optimality con-ditions for the NLP problem.A numerical algorithm for solving this NLP problemis given to find exact solutions to strip-packing problems involving up to 10 items.Approximate solutions can be found for big-sized problems by decomposing the setof items into small-sized blocks of which each block adopts the proposed numericalalgorithm.Numerical results show that the approximate solutions to big-sized prob-lems obtained by this method are superior to those by NFDH,FFDH and BFDHapproaches.     

非线性约束优化问题的一个修正 Lagrangian 算法

基于一个含有控制参数的修正Lagrangian函数,该文建立了一个求解非线性约束优化问题的修正Lagrangian算法.在一些适当的条件下,证明了控制参数存在一个阀值,当控制参数小于这一阀值时,由这一算法产生的序列解局部收敛于问题的Kuhn-Tucker点,并且建立了解的误差上界.最后给出一些约束优化问题的数值结果.     

收敛共轭梯度方法参数βk的条件

本文给出确定共轭梯度方法中参数βk范围的两个条件-条件Ⅰ和条件Ⅱ,它们都确保方法的全局收敛．在条件Ⅰ和Gilbert＆Nocedal（1992）引入的性质（*）下及在条件Ⅱ和Wolfe条件下,分别建立了共轭梯度算法的收敛性定理．     

非凸半定规划的增广Lagrangian的微分的计算

迄今为止，还未见出版过有关求解非凸半定规划的算法，但在最近，Chen，et.al(2000)和Sun＆Sun(1999)关于非凸半定规划(SDP)的增广Lagrangian的研究是非常有用的，在本文中，我们证明非凸半定规划的增广Lagrangian是可微的，并且给出它的可微表达式．     

不等式约束优化问题的一个势函数

基于Carroll(1961)建立的罚函数，本文给出了不等式约束优化问题的一个势函数，并且讨论了该函数的性质．最后证明了在此基础上建立的对偶算法具有Q-线性收敛性．     

一类约束不可微优化问题的极大熵方法

1.引言 用极大熵原理可以有效地处理某些优化问题,一般迭代2—6次即可达到工程要求的精度。本文给出一类约束不可微优化问题的两种极大熵方法,推广了[1,2]的结果,并研制了计算程序。试算结果说明效果良好。进一步的结果在[4]中给出。 考虑下述问题:     

一类不可微优化的Fritz-John条件

基于星形集空间的性质,定义一类星形可微函数.这类函数是方向可微的,其方向导数可以表示成两个正齐次非负连续函数之差,其星形微分为一星形集对.对于含有不等式约束条件的星形可微优化问题,给出一个Fritz-John形式的最优性必要条件.     

Hilbert空间中的一类双层规划问题的一阶与二阶最优性条件

本文考虑Hilbert空间中的,上层为有限个不等式约束,下层是一锥约束参数规划的双层规划问题的最优性条件.首先,利用下层问题最优值函数的方向导数的上下界的性质给出一阶最优性条件.之后,在使下层问题的最优值函数是二阶方向可微的条件下,证明了二阶必要性条件.     

k-均值问题的差分隐私算法综述

$k$-均值问题是机器学习和组合优化领域十分重要的问题。它是经典的NP-难问题, 被广泛的应用于数据挖掘、企业生产决策、图像处理、生物医疗科技等领域。随着时代的发展, 人们越来越注重于个人的隐私保护:在决策通常由人工智能算法做出的情况下, 如何保证尽可能多地从数据中挖掘更多信息,同时不泄露个人隐私。近十年来不断有专家学者研究探索带隐私保护的$k$-均值问题, 得到了许多具有理论指导意义和实际应用价值的结果, 本文主要介绍关于$k$-均值问题的差分隐私算法供读者参考。