带有反凸约束凸规划的锥分解算法

将凹规划问题的锥剖分方法应用于带有一个反凸约束的凸规则，得到了一个锥分解算法，并证明了算法的收敛性。     

非凸优化问题的局部鞍点和凸化

研究了2个方面的问题:一是L(x,μ)的局部鞍点,二是L(x,μ)的局部凸化.提出了一类新的转换方法,通过此类转换,在某种更弱的条件下,可以得到一个关于局部鞍点的结论,并证明了等价问题的拉格朗日函数是局部凸的.     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法，已在许多领域得到了非常成功的应用。本以约束优化问题为对象，首先介绍了采用罚函数法将约束优化问题化为无约束优化问题，和将约束优化问题转化为minmax问题，然后对无约束优化问题和minmax问题，采用PSO算法进行进化求解；在此基础上，以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

求解约束优化问题M-精英协同进化算法

提出了一种适用于约束优化问题的协同进化算法．该算法旨在模拟人类社会中团队的组建及其协作方式,并强调精英人才对团队建设的推动作用．算法将整个种群分为精英种群和普通种群,围绕各个精英来组建团队,使精英种群带动普通种群,进而带动整个种群不断进化．组建团队过程中,不同精英之间采用协作操作,精英对普通种群成员进行引导操作,其中协作操作和引导操作由若干交叉或变异算子的组合所定义．使用静态罚函数法将约束优化转化为无约束优化,利用13个约束优化测试函数对算法进行了测试．仿真实验和参数分析结果表明,该算法寻优精度高,算法稳定,运行时间少,其性能优于组织进化算法,能够有效解决复杂的约束优化问题．     

求解有约束非线性规划的混合混沌算法

针对带有约束的非线性规划问题,提出了一种新的算法.首先把有约束的非线性规划转化为含有2个目标的无约束的优化问题,然后利用混沌优化算法和最速下降法来混合求解.数值计算结果显示,该算法是可行有效的.     

解非线性约束规划问题的新粒子群优化算法

给出非线性约束规划问题的一种新解法.首先把带约束的非线性规划问题转化成为2个目标的优化问题,在对搜索算子及各种参数进行合理设计的同时,提出了一种新粒子群优化算法(TS-MC),最后的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.     

求解约束优化问题的混沌类电磁算法

针对约束优化问题, 提出了基于混沌优化的一种新的类电磁机制算法. 采用多目标优化的约束处理技术, 将约束优化问题转化为无约束的双目标优化模型来求解; 对于转化后的新模型, 设计粒子的电荷和粒子间的受力公式. 同时, 为了加快算法的收敛速度, 结合混沌优化改进种群中的粒子. 采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试, 并将测试结果与已有算法的结果进行比较, 结果表明, 新算法能够快速找到问题的全局最优解或近似最优解, 是一种非常有竞争力的优化算法.     

一个拓广的投影型变尺度算法：用于求解线性约束下的非线性最优化问题

在文〔1〕中,我们曾经提出了一个改进的投影型算法,此类算法的收敛性一般来讲是线性的。为加快收敛速度,我们将投影法和变尺度法结合起来,在一定的条件下,可以证明收敛速度是超线性的。     

混沌优化算法在非线性约束规划问题中的应用

综述了混沌优化算法在国内的研究历史与现状 ,介绍了算法的基本步骤 .针对非线性约束问题 ,提出了一种新的、可行的混沌优化算法 .实例计算表明 ,该算法稳定性好、简单、易于掌握 ,对于多维、非线性、复杂约束问题的求解具有普适性     

求解非凸非光滑优化问题的同伦内点法及其计算机实现

主要给出在绿色制造实际问题中遇到的一类可以归结为求解非凸非光滑优化问题的解决方法及其计算机实现算法，并通过实例证明了算法的可行性。     

等式约束凸二次规划的不动点迭代算法

提出了等式约束凸二次规划问题的光滑型方法。根据约束优化问题的最优性条件,利用信息论中的极大熵原理,构造了一种基于不动点的光滑迭代算法,并给出了算法的迭代格式。讨论了解存在的必要条件及迭代算法收敛的条件,并通过数值实例与已有算法进行了比较,从而显示了算法的有效性。     

凸二次规划带仿射变换的梯度投影算法

对凸二次规划提出了一种新的内点算法———带仿射变换的梯度投影法，并着重研究了该算法的收敛性，得到了一些重要的结果．     

凸约束优化的非单调线搜索法

将一般的无约束非单调线搜索算法推广成凸约束的非单调线搜索法,搜索方向由BFGS方法改变为满足凸约束条件的方程组来确定,证明了算法的全局收敛性和k次线性收敛,进行了数值试验,结果表明算法十分有效。     

求解带约束连续型minimax问题的罚函数区间算法

研究了带约束连续型minimax问题的数值方法，其目标函数和约束函数都是Lipschitz连续的；建立了针对带约束连续型minimax问题的罚函数法，从而将其转化为无约束两层规划问题，并证明了算法的收敛性；最后，用无约束两层规划问题的区间算法进行求解，给出了数值算例．结果表明，该算法是可靠和有效的．     

自适应多切割聚合算法在两阶段随机凸规划中的应用

将Svyatoslav Trukhanov,Lewis Ntaimo和Andrew Schaefer的自适应多切割算法推广到了带补偿的两阶段随机凸规划问题上.算法的实现简单、计算量小,并具备一定的收敛性.     

解等式约束优化问题的分解修正法

本文基于Lagrange函数给出求解等式约束优化问题的一种新的迭代方法。证明了这种方法是q-超线性收敛的和大范围收敛的,并给出了与Newton法的数值比较。     

解无约束最优化的超抛物面法

介绍了一种新的解无约束最优化的直接方法—抛物面法,它是在+1中找到不在同一超平面的+2个点,通过这些点确定一个超抛物面,以抛物面的顶点替换+2个顶点中函数值最大的点.重复上述步骤,以期达到更好的点.数值试验表明,尽管收敛速度不理想,但算法还是可行的.     

不等式约束二次规划的不动点迭代

提出了不等式约束二次规划问题的一个光滑型方法。通过分析最优解满足一线性互补问题这一特征，利用信息论中的极大熵原理求解并获得了基于不动点的光滑迭代算法。分析了解存在的必要条件及迭代算法收敛性，给出了算法的迭代格式，通过数值模拟证明该算法的有效性，从而为不等式约束二次规划问题的求解提供了新途径。     

一种改进的凸组合仿射投影符号算法

针对传统的凸组合仿射投影符号算法收敛速度慢和计算量大的问题,提出了一种基于S型函数的快速凸组合仿射投影符号算法。该算法用新的S型函数代替传统算法中的sigmoid函数,改进了联合参数的迭代公式,避免了复杂的指数运算,减少了计算量。同时,采用瞬时转移方案,使凸组合算法在初始自适应过程或在突然发生变化之后能加快小步长慢速算法的自适应过程,进而提升凸组合算法的收敛速度。在系统辨识和声学回声消除环境下的仿真实验表明,该算法具有良好的均方性能和跟踪性能,与传统的凸组合仿射投影算法相比具有更快的收敛速度和更低的计算复杂度。     

求解图像分割模型的快速梯度投影算法

针对带约束条件的凸图像分割模型,提出一种快速数值实现算法。该算法在梯度投影算法的基础上结合了快速迭代收缩算法的加速收敛策略,利用正交投影处理不等式约束条件,避免了一般罚函数方法所带来的处罚项的不规则性;同时采用对偶方法来避免全变分项的非光滑性和高非线性性。实验结果表明了所提出算法的有效性和在收敛速度上的优越性。