基于BDF的无约束优化方法的收敛性分析

1.介 绍 在上个世纪的七十年代末、八十年代初,基于常微分方程的优化方法或者说同伦方法是一类与拟牛顿法和共轭梯度法等我们所熟知的优化方法相竞争的重要方法[1-6,8,13,14,16].由于这类方法只是简单地利用现成的数值求解常微分方程的软件包,如CVODE[7]、LSODE[12],对同伦方程(一般是一个常微分方程的初值问题)进行计算,除了一些特殊的病态问题     

一种改进的进化规划算法

本对于全局优化问题提出一个改进的进化规划算法，该算法以概率p接收基于电磁理论求出合力方向作为随机搜索方向，以概率1-p接收按正态分布产生的随机搜索方向。改进算法不仅克服了传统进化规划算法随机搜索的盲目性，而且保留了传统进化规划算法全局搜索性。本算法应用于几个典型例题，数值结果表明本算法是可行的，有效的。     

多心理账户下机构投资者的风险优化研究

从决策有限理性角度，引入行为金融理论于机构投资风险优化系统，对多心理账户条件下机构投资的风险优化设计进行了研究。以Friedman和Savage之谜为释例，对机构投资风险优化中的诸多非标准金融异像进行了解释。以Shefrin和Statman行为证券组合理论为核心，建立了多心理账户条件下机构投资的风险优化模型，为机构投资的风险优化实践提供了一种量化分析工具。     

大口径光束波前采样器(孔栅)的研制

应用平面波角谱理论，分析了采样器对光波场采样和分光的基本原理以及对空间采样频率的选择规则，描述了实际研制的大口径采样器的结构设计，并通过数值方法和高能激光大气传输实验研究了高能激光经采样器前／后的远场光斑分布关系。结果表明：利用光束波前采样器能高保真地实现对高能激光束的分光。     

二维椭圆型方程反问题中优化算法的比较

近年来，决定椭圆型方程系数反问题在地磁、地球物理、冶金和生物等实际问题上有着广泛的应用．本文讨论了二维的决定椭圆型方程系数反问题的数值求解方法．由误差平方和最小原则，这个反问题可化为一个变分问题，并进一步离散化为一个最优化问题，其目标函数依赖于要决定的方程系数．本文着重考察非线性共轭梯度法在此最优化问题数值计算中的表现，并与拟牛顿法作为对比．为了提高算法的效率我们适当选择加快收敛速度的预处理矩阵．同时还考察了线搜索方法的不同对优化算法的影响．数值实验的结果表明，非线性共轭梯度法在这类大规模优化问题中相对于拟牛顿法更有效．     

提高三维激光扫描系统图像质量技术的研究

对其中三维激光扫描图像处理的关键技术———二值化、细化以及离散数据点云的滤波进行了研究,提出了一种先加权中值滤波,然后再小波分析滤波的新的降噪方法,并通过遗传算法对权重值进行了优化。在通常情况下,由于小波分析计算工作量大,所以提出了一种相对简单的算法,实现了在单台PC机上的运算。     

Φ520mmF/1.6椭球面反射镜加工

介绍了一块Φ520mm大相对孔径(F/1.6)轻量化椭球面反射镜的加工与检测方法。镜面的有效口径为Φ502mm,顶点曲率半径为1600mm,非球面系数k=-0.9663,面形精度要求优于0.025λ(RMS)。镜子背面有54个大小深浅不一的不通孔,用于减轻镜子的重量。采用WYKO干涉仪检测得到镜面面形误差达RMS0.02λ,λ=632.8nm。     

单调全局最优化问题的凸化外逼近算法

单调优化是指目标函数与约束函数均为单调函数的全局优化问题．本文提出一种新的凸化变换方法把单调函数化为凸函数，进而把单调优化问题化为等价的凸极大或凹极小问题，然后采用Hoffman的外逼近方法来求得问题的全局最优解．我们把这种凸化方法同Tuy的Polyblock外逼近方法作了比较，通过数值比较可以看出本文提出的凸化的方法在收敛速度上明显优于Polyblock方法．     

拟议中的21世纪光学望远镜

 不论天文爱好者还是职业天文学家都渴望有一台大的反射镜或透镜,因为它能聚集更多的光,具有显示天体细节的潜能。特别是专业工作者,大仪器是研究宇宙中的暗星系和现代天文学中许多重要问题不可或缺的。可以说望远镜越大越好。现在,大地基望远镜主要是口径8～10米的反射镜,它们代表了自伽利略将望远镜用于夜空研究400年以来光学望远镜发展的巅峰。其中有建在智利的欧洲空间局的甚大望远镜(由4台8米望远镜构成),位于夏威夷的两台10米凯克望远镜和8.3米昴星望远镜,双子望远镜(两台望远镜分别装在南半球和北半球),以及德克萨斯州麦克唐纳天文台的9米大型拼镶镜面望远镜。     

基于改进遗传算法的布局优化子问题

本针对子问题，构造了布局子问题(关于同构布局等价类)的改进遗传算法。将该算法应用于二维布局优化子问题，数值实验表明该算法能够在很好地保持图元的邻接关系的前提下找到子问题的最优解。由于布局优化问题可分解为有限个子问题，所以利用该算法可以找到整个布局优化问题的全局最优解。