一类推广的共轭梯度法及其全局收敛性

共轭梯度法是求解非线性优化问题的一种重要方法.通过对共轭梯度法及其全局收敛性的分析,提出一个新的非线性共轭梯度公式,采用该公式和Wolfe非精确线搜索的方法是全局收敛的.文末的数值实验验证了算法是有效的.     

一类无约束优化问题的的共轭梯度法

共轭梯度法是求解非线性优化问题的一种重要方法，尤其适用于大规模优化问题的求解。提出一个新的非线性共轭梯度公式，采用该公式和Wolfe非精确线搜索的方法，使之全局收敛。经数值实验验证该算法是有效的。     

Wolfe线搜索充分下降的修正DY共轭梯度法

基于DY和DL共轭梯度法,给出一个新的βk公式,在精确线搜索下该公式等价于βDkY.基于新参数公式建立了采用Wolfe线搜索的共轭梯度算法,证明了算法满足充分下降性和全局收敛性,初步的数值试验结果表明该方法是有效的,适合于求解非线性无约束优化问题.     

一种求解非线性方程组的混沌优化算法

针对非线性方程组的求解问题提出一种混合算法,将方程组转换成一个优化问题。利用优化问题的非线性共轭梯度法与混沌优化方法相结合,提出了一种新的混合优化算法。该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优。算法的收敛性也进行了证明,数值结果表明该算法是有效的。     

一种新的Wolfe线搜索技术及全局收敛性

共轭梯度法是求解无约束优化问题的一种重要的方法,尤其适用于大规模优化问题的求解.通过应用计算βk的新公式求得一种新的共轭梯度法,在非精确线性搜索的Wolfe准则下证明新的共轭梯度法的全局收敛性,并且数值实验表明了这种线搜索下算法的有效性.     

广义Wolfe线搜索下共轭梯度法的全局收敛性

共轭梯度法是求解大规模约束问题的有效算法,不同的参数选取构成不同的共轭梯度法.通过研究一个新的求解无约束最优化问题的共轭梯度法,证明该公式在广义Wolfe线搜索下是具有充分下降性,并且是全局收敛的.     

一种求解线性二阶锥规划的修正FR共轭梯度法

为求解线性二阶锥规划,介绍了一种修正FR共轭梯度法.给出线性二阶锥规划问题的KKT条件,利用F-B光滑函数将互补性条件光滑化,将KKT条件转化成一个与之等价的光滑非线性方程组,给出一个价值函数,将光滑非线性方程组转化为无约束优化问题,利用共轭梯度法求解无约束优化问题,得到原问题的最优解.证明该算法的全局收敛性.     

精确搜索下具有充分下降性的混合共轭梯度法

共轭梯度方法是求解大规模无约束非线性优化问题的一种重要方法.对参数βk不同的构造方法,形成了各种各样的共轭梯度算法.基于现有的研究结果启发,给出了参数βk的一种新的构造方法,进而提出了一种新的共轭梯度算法.该算法能够保证目标函数序列的充分下降性,并在目标函数可微的条件下,证明了算法的全局收敛性.     

超记忆梯度算法的全局收敛性

对无约束优化算法进行了研究。描述了最速下降算法、牛顿法、非线性FR共轭梯度法、非线性PRP共轭梯度法、非线性DY共轭梯度法等求解大规模无约束优化问题的有效算法以及精确线搜索、Wolfe线搜索、Armijo线搜索的搜索条件;着重研究了计算更为有效的适合求解无约束优化问题的超记忆梯度算法;在一类Wolfe型非精确线搜索条件下给出了一类超记忆梯度算法,并且在较弱的条件下证明了算法的全局收敛性,为求解大规模无约束优化问题以及各种算法的比较提供了参考。     

相关DY共轭梯度法的全局收敛性

针对无约束优化问题的一类重要算法——共轭梯度法,提出一种相关DY共轭梯度法,由此得到新的确定βk公式,并在强Wolfe条件下证明了该算法的全局收敛性.结合修正的DY共轭梯度法,得到相关修正DY共轭梯度法,确定另一个βk公式,同时证明在强Wolfe条件下,该算法是全局收敛的.通过拓展共轭梯度法相关性的有关内容,进一步验证了共轭梯度法中FR公式与DY公式之间的某种特殊的联系.     

一类非线性共轭梯度法的全局收敛性

研究求解无约束最优化问题的共轭梯度法,提出了一种新的共轭梯度类型公式,从而影响了算法产生的搜索方向,进一步影响了算法的效果,得到一类新共轭梯度法,证明了在Grippo-Lucidi线搜索下新共轭梯度法的全局收敛性.     

受酸性腐蚀的钢筋混凝土压弯结构非线性分析

从混凝土的腐蚀机理入手,给出了受酸性介质腐蚀后混凝土强度和弹性模量的表达式,建立了数学计算模型．采用有限元法将结构划分为空间杆单元,给出了非线性弹性问题的单元刚度矩阵表达式,以及如何求解此类非线性问题的迭代方法．通过对一个工程的计算分析与实际情况相比较,该方法较为适合受酸性介质腐蚀压弯结构的刚度变化和变形发展分析．     

带记忆的非单调无约束优化算法的全局收敛性

自从非单调线搜索技巧引入非线性优化后,所得的算法得到了成功的应用与扩展。带记忆的梯度方法经常用来求解无约束优化问题,尤其是大规模的问题。将带记忆梯度法与Wolfe非单调线搜索技巧成功融合到一起得到了新算法。证明了该算法全局收敛。     

求解单调非线性方程组的一种全局收敛的梯度型算法

提出了一种求解单调非线性方程组的梯度型算法,在适当条件下,证明了该方法具有全局收敛性。通过实例与牛顿型算法进行比较,结果表明:该方法结构简单,适合求解大型问题。     

Armijo型线搜索下的新共轭梯度法的全局收敛性

共轭梯度法是解决无约束非线性最优化问题的重要的方法之一.基于FR方法好的收敛性并考虑到dk的下降性,提出了一类新的共轭梯度法,并在两种Armijo型搜索下,研究了新方法的全局收敛性.数据实验表明新方法是有效的.     

非线性极大极小问题的一个有效算法

针对一类非线性约束极大极小问题,利用极大熵方法将其转化为带等式、不等式约束的非线性规划问题,给出了一种梯度投影算法,解决了一般约束的非线性大系统优化问题,该算法初始点可任意;同时证明了该算法的全局收敛性。初步的数值试验表明,对于该类极大极小问题,算法有良好的数值表现。     

基于拉格朗日函数鞍点理论的剃度最优潮流算法研究

拉格朗日函数的鞍点符合非线性规划的K-T条件,是一种特殊的逗留点,当满足凸性条件时,又是全局最优解。在剃度法最优潮流的求解过程中,对应不等式约束的拉格朗日乘子的确定以及最优步长的求取等都是比较困难的问题,文中在采取一定的假设的基础上,运用鞍点迭代算法进行上述问题的求解,并在IEEE-30节点系统中进行验证,结果表明是一种非常有效的方法。