求解互补问题的极大熵和声搜索算法*

针对传统算法无法获得互补问题的多个最优解的困难, 提出了求解互补问题的和声搜索算法。利用NCP函数, 将互补问题转换为一个非光滑方程组问题,用极大熵函数对其进行光滑换处理,进而把互补问题的求解转化为无约束优化,利用和声搜索算法对其进行求解。该算法对目标函数的解析性质没有要求且容易实现,数值结果表明了该方法在求解互补问题中的有效性。     

求解互补问题的极大熵差分进化算法*

针对传统算法无法获得互补问题多个最优解的困难, 提出了求解互补问题的差分进化算法。首先利用NCP函数, 将互补问题转换为一个非光滑方程组问题, 然后用凝聚函数对其进行光滑化, 进而把互补问题的求解转换为无约束优化问题, 利用差分进化算法对其进行求解。该算法对目标函数的解析性质没有要求且容易实现, 数值结果表明了该方法在求解互补问题中的有效性。     

一类非光滑优化及其在控制系统稳定化中的应用

研究一类来自控制系统稳定化中的非光滑优化问题．考虑Lyapunov函数是非光滑的，特别是有限个光滑函数的极大值函数．建立了相应的非光滑优化模型，进一步导出了这类非光滑优化的KKT系统，然后基于非线性互补函数将KKT系统转化成一个非光滑方程组，最后分别用广义牛顿法和光滑化牛顿法求解此非光滑方程组。使得此类稳定化设计可以具体实现．     

求解互补问题的极大熵社会认知算法

针对传统算法无法获得互补问题的多个最优解的困难,提出了求解互补问题的社会认知优化算法.通过利用NCP函数,将互补问题的求解转化为一个非光滑方程组问题,然后用凝聚函数对其进行光滑化,进而把互补问题的求解转化为无约束优化问题,利用社会认知算法对其进行求解.该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性以及智能性从而完成对目标的优化.该算法对目标函数的解析性质没有要求且容易实现,数值实验结果表明了该方法是有效的.     

求解非线性互补问题的熵函数认知优化算法

提出了一个求解非线性互补问题的熵函数社会认知优化算法。首先将非线性互补问题转化为非线性方程组来求解,然后利用熵函数法将非线性方程组求解转化为一个光滑的无约束优化问题,最后应用社会认知优化算法求解此优化问题。实验结果表明,该算法收敛速度快,稳定性好,是求解非线性互补问题的一种有效算法。     

竞选优化算法求解非线性方程组的应用研究

针对非线性方程组的求解在工程上具有广泛的实际意义,经典的数值求解方法存在其收敛性依赖于初值而实际计算中初值难确定的问题,将复杂非线性方程组的求解问题转化为函数优化问题,引入竞选优化算法进行求解。同时竞选优化算法求解时无需关心方程组的具体形式,可方便求解几何约束问题。通过对典型非线性测试方程组和几何约束问题实例的求解,结果表明了竞选优化算法具有较高的精确性和收敛性,是应用于非线性方程组求解的一种可行和有效的算法。     

求非光滑规划全局极小点的一类改进的填充函数法

本文考虑优化问题limF(x),其中F(x)为非光滑函数,引入了求解该优化问题的一类改进的双参数填充函数,给出了相应的算法及收敛域估计,理论分析及数值结果均表明该方法是行之有效的.     

求解广义支持向量机的光滑型算法

提出一种求解支持向量机(SVMs)的光滑型算法.该算法基于其对偶优化模型的KKT系统,提出一类新的光滑函数族,将其KKT系统重构为一个光滑方程组,并采用光滑型算法进行求解.在适当的条件下,该算法是全局收敛和局部超线性收敛的.多个算例表明该算法非常有效,具有广阔的应用前景.     

求解互补支持向量机的非单调信赖域算法

求解支持向量机的核心问题是对一个大规模凸二次规划问题进行求解。基于支持向量机的修正模型,得到一个与之等价的互补问题,利用Fischer-Burmeister互补函数,从一个新的角度提出了求解互补支持向量机的非单调信赖域算法。新算法避免了求解Hesse矩阵或矩阵求逆运算,减少了工作量,提高了运算效率。在不需要任何假设的情况下,证明算法具有全局收敛性。数值实验结果表明,对于大规模非线性分类问题,该算法的运行速度比LSVM算法和下降法快,为求解SVM优化问题提供了一种新的可行方法。     

基于交替方向乘子法的非光滑损失坐标优化算法

交替方向乘子法(ADMM)在机器学习问题中已有一些实际应用。针对大规模数据的处理和非光滑损失凸优化问题,将镜面下降方法引入原ADMM批处理算法,得到了一种新的改进算法,并在此基础上提出了一种求解非光滑损失凸优化问题的坐标优化算法。该算法具有操作简单、计算高效的特点。通过详尽的理论分析,证明了新算法的收敛性,在一般凸条件下其具有目前最优的收敛速度。最后与相关算法进行了对比,实验结果表明该算法在保证解稀疏性的同时拥有更快的收敛速度。     

A smooth Newton method with 3-1 piecewise NCP function for generalized nonlinear complementarity problem

In this paper, based on the 3-1 piecewise nonlinear complementarity problem (NCP) function, we proposed a smoothing Newton-type method for the generalized nonlinear complementarity problem (GNCP) with a modified non-monotone line search. The algorithm for a GNCP is more difficult than that for an NCP, because two functions must be considered in the problem. We reformulate the (GNCP) to a smoothing system of equations by two independent variables, and then develop a smoothing Newton-type method for solving it. Under reasonable conditions, we obtain the global convergent properties. Also, the numerical experiments are reported in this paper.     

A non-monotone inexact non-interior continuation method based on a parametric smoothing function for LWCP

This paper considers the linear weighted complementarity problem (denoted by LWCP). We introduce a parametric smoothing function which is a broad class of smoothing functions for the LWCP and enjoys some favourable properties. Based on this function, we propose a new non-interior continuation method for solving the LWCP. In general, the non-interior continuation method consists of finding an exact solution of a system of equations at each iteration, which may be cumbersome if one is solving a large-scale problem. To overcome this difficulty, our method uses an inexact Newton method to solve the corresponding linear system approximately and adopts a non-monotone line search to obtain a step size. Under suitable assumptions, we show that the proposed method is globally and locally quadratically convergent. Preliminary numerical results are also reported.     

A predictor-corrector smoothing Newton method for solving the mixed complementarity problem with a P 0-function

The mixed complementarity problem (denoted by MCP(F)) can be reformulated as the solution of a nonsmooth system of equations. In the paper, based on a perturbed mid function, we contract a new smoothing function. The existence and continuity of a smooth path for solving the mixed complementarity problem with a P ₀ function are discussed. Then we presented a predictor-corrector smoothing Newton algorithm to solve the MCP with a P ₀-function. The global convergence of the proposed algorithm is verified under mild conditions. And by using the smooth and semismooth technique, the local superlinear convergence of the method is proved under some suitable assumptions.     

A non-monotone inexact regularized smoothing Newton method for solving nonlinear complementarity problems

In the paper [S.P. Rui and C.X. Xu, A smoothing inexact Newton method for nonlinear complementarity problems, J. Comput. Appl. Math. 233 (2010), pp. 2332–2338], the authors proposed an inexact smoothing Newton method for nonlinear complementarity problems (NCP) with the assumption that F is a uniform P function. In this paper, we present a non-monotone inexact regularized smoothing Newton method for solving the NCP which is based on Fischer–Burmeister smoothing function. We show that the proposed algorithm is globally convergent and has a locally superlinear convergence rate under the weaker condition that F is a P ₀ function and the solution of NCP is non-empty and bounded. Numerical results are also reported for the test problems, which show the effectiveness of the proposed algorithm.     

求解最优潮流KKT系统的一类新模型及算法设计

电力工业的市场化改革对最优潮流(optim al pow er flow,OPF)的计算精度和速度提出了更高的要求.本文针对OPF模型中存在大量的无功界约束的特性,把一般非线性不等式约束和界约束分开处理,通过引入一个对角矩阵和非线性互补函数,建立了与OPF问题的K arush-Kuhn-Tucker(KKT)系统等价的约束非光滑方程新模型.进一步,基于新建立的模型,提出了一类具有理论上收敛性保证的投影半光滑N ew ton型算法.相对于传统的解OPF的KKT系统和非线性互补函数方法,新方法一方面保持了非线性互补函数法无需识别有效集的优点,同时又减少了问题的维数,且投影计算保持了无功界约束的可行性.IEEE多个算例的数值试验显示本文所提出的模型和算法具有较好的计算效果.