两层多目标规划的罚函数法

研究了一类非线性两层多目标规划问题.在下层多目标规划问题的目标函数是严格凸函 数、决策变量约束集是凸集的假设下,通过将两层多目标规划问题转化成一系列单层多目标规划 问题,建立了两层多目标规划的罚函数理论,并进行了收敛性分析.从而丰富了两层多目标规划的 理论,为解决实际中的两层多目标决策问题提供了有力的工具.     

基于乘性规则的支持向量机

传统的二次规划由于涉及大量的矩阵运算，运算速度慢成为支持向量机的最大缺点．已有的乘性规则仅适于非负二次凸规划问题，推导出了求解支持向量机中混合约束二次凸规划的乘性规则，利用这一乘性规则极大地提高了优化速度．该方法提供了一种直接优化的方法，其所有变量可以并行迭代，乘性规则可以使得二次规划的目标函数单调下降到它的全局最小点．仿真试验结果表明了该算法有效性．     

多时滞线性系统的控制参数优化方法

采用控制参数化方法研究具有连续状态不等式约束和多重状态及控制时滞的线性系统优化控制问题．通过把时滞系统动态模型中的控制量表示成关于时间的分段常数函数,把每个控制参数看作决策变量,将多时滞系统的控制问题转化为数学规划问题．推导出在连续状态不等式约束条件下的目标函数和约束函数对于待求参数的梯度公式,并用序列二次规划算法求出其最优控制量．最后,将该优化算法应用于湿法炼锌净化过程中．仿真结果表明,锌粉的添加量可以有效地减少,从而避免了资源的浪费．     

一类非凸优化问题的遗传算法

线性二层规划是一类特殊的非凸优化问题,为了有效求解该问题,提出了一种基于单纯形方法的遗传算法。首先基于下层约束给出了一种新的编码方法;其次利用单纯形表的信息得到了下层问题的解函数,并结合最优性条件给出了适应度函数;最后基于个体编码的特点,设计了新的遗传算子。数值结果表明,所提出的算法是可行有效的。     

一类特殊凸二次双层规划的算法

根据值型凸二次双层规划的Johri对偶理论,讨论一类特殊双层规划——上层仅含一个不等式约束的非减值型线性．凸二次双层规划的办法,通过把对其Johri对偶规划的求解转化为对有限个凸二次规划的求解,给出求解该类双层规划的一种多项式时间算法。     

求解二次规划逆问题的非单调信赖域算法

为了提高求解二次规划逆问题的速度,提出了针对求解该问题的非单调信赖域算法.为了降低问题的复杂度,将二次规划逆问题转换为决策变量相对较少的对偶问题,采用增广Lagrange法构造对偶问题的子问题,并通过引入光滑函数将子问题转换为无约束优化问题,利用非单调信赖域算法进行求解.数值实验结果表明,该算法的迭代次数比牛顿算法、Gauss回代交替方向法少,运行速度快.因此,对于大规模二次规划逆问题,该算法更加有效.     

一个基于插值的解非线性双层规划的遗传算法

非线性双层规划问题是一类递阶优化问题,相关的算法往往需要对每一个上层变量值求一个下层优化问题才能得到一个可行点,这使得算法的计算量很大.目前文献中的算法通常都是基于对每个确定的上层变量,下层最优解唯一的条件,这就意味着每个下层变量的分量都可以看成是上层变量的函数.基于这个思想,同时为了避免频繁计算下层优化问题,文中提出了一种新的方法.这种方法与已有方法的主要不同之处在于,它不需频繁求解下层规划,而是用插值函数近似下层最优解函数.其主要思想如下:首先,取一些上层变量值作为插值节点,计算它们对应的下层问题的最优解,这些最优解的第i个分量作为第i个插值函数的函数值,利用这些节点和函数值计算插值函数;其次,将插值函数代入上层问题,得到一个近似原问题的单层规划;最后用一个新的遗传算法求解该单层规划.由于插值节点和相应的插值函数在进化过程中自适应修正和更新,这样可使得该单层规划问题的最优解逐步逼近原问题的最优解,并且可减少计算量.对25个测试问题的仿真结果表明,该文所提出的算法能以较少的计算量找到这些问题的最好解.     

一类二层规划问题的区间算法

讨论下层规划问题以最优值反应到上层的二层规划问题的数值解法,其中目标函数和约束函数均为Lipschitz连续函数,构造了二层规划问题目标函数的区间扩张和无解区域删除检验原则,建立了求解二层规划问题的区间算法,并进行了数值实验。理论证明和数值实验均表明算法是可靠和有效的。     

等式约束凸二次规划解析的新型神经网络方法*

针对不同于传统基于梯度法的递归神经网络定义一种基于标量范数取值的非负能量函数,通过定义一种基于向量取值的不定无界的误差函数,构建了一种能实时求解具有线性等式约束的凸二次规划问题。基于Simulink仿真平台的计算机实验结果表明,该新型神经网络模型能够准确有效地求解此类二次规划问题。     

基于分块矩阵的投影型神经网络收敛性分析*

投影神经网络算法被誉为最有希望解决优化问题的算法之一,可用于求解优化问题的前提是它应具有全局收敛性。根据凸二次规划约束条件的特点,利用常微分方程理论、M-矩阵理论,通过构造适当的Lyapunov函数,获得了该网络求解一类凸二次规划问题的全局指数收敛性条件,该条件只与神经元连接权矩阵的部分元素有关,其比现有文献所得的收敛条件更弱。最后给出一组实例,说明该网络计算上是可行和有效的。     

正定二次最优控制问题的最优值的估计

众多实际应用中,人们常用正定二次规划方法对正定二次最优控制问题的最优值进行逼近估计.为简化计算和加快计算速度,本文设计了一种新的算法,利用线性规划代替二次规划.先用最优控制方法构造一个线性规划,使其最优值与给定二次规划相差一个容易确定的常数.由于线性规划具有形式简单和算法成熟等特点,本文的方法就简化了正定二次最优控制问题的最优值的估计,并加快了计算速度.文中给出一个例子说明这一计算过程,并讨论了计算速度.同时,本文的最后部分,利用参数规划,给出了一个供实际应用的具体算法.     

基于动态规划的约束优化问题多参数规划求解方法及应用

结合动态规划和单步多参数二次规划, 提出一种新的约束优化控制问题多参数规划求解方法. 一方面能得到约束线性二次优化控制问题最优控制序列与状态之间的显式函数关系, 减少多参数规划问题求解的工作量; 另一方面能够同时求解得到状态反馈最优控制律. 应用本文提出的多参数二次规划求解方法, 建立无限时间约束优化问题状态反馈显式最优控制律. 针对电梯机械系统振动控制模型做了数值仿真计算.     

量子粒子群优化算法在训练支持向量机中的应用

训练支持向量机的本质问题就是求解二次规划问题，但对大规模的训练样本来说，求解二次规划问题困难很大。遗传算法和粒子群算法等智能搜索技术可以在较少的时间开销内给出问题的近似解。量子粒子群优化（QPSO）算法是在经典的微粒群算法的基础上所提出的一种有较高收敛性和稳定性的进化算法。将操作简单而收敛快速的QPSO算法运用于训练支持向量机，优化求解二次规划问题．为解决大规模的二次规划问题开辟了一条新的途径。     

QPSO算法在训练支持向量机中的应用

训练支持向量机的本质问题就是求解二次规划问题，但对大规模的训练样本来说，求解二次规划问题困难很大。遗传算法和粒子群算法等智能搜索技术可以在较少的时间开销内给出问题的近似解。量子粒子群优化（QPSO）算法是在经典的微粒群算法的基础上所提出的一种有较高收敛性和稳定性的进化算法。将操作简单而收敛快速的QPSO算法运用于训练支持向量机，优化求解二次规划问题，为解决大规模的二次规划问题开辟了一条新的途径。     

On solutions of fuzzy random multiobjective quadratic programming with applications in portfolio problem

In this paper, a multiobjective quadratic programming problem fuzzy random coefficients matrix in the objectives and constraints and the decision vector are fuzzy variables is considered. First, we show that the efficient solutions fuzzy quadratic multiobjective programming problems series-optimal-solutions of relative scalar fuzzy quadratic programming. Some theorems are to find an optimal solution of the relative scalar quadratic multiobjective programming with fuzzy coefficients, having decision vectors as fuzzy variables. An application fuzzy portfolio optimization problem as a convex quadratic programming approach is discussed and an acceptable solution to such problem is given. At the end, numerical examples are illustrated in the support of the obtained results.     

Min–Max MPC based on a network problem

In general, min–max model predictive controllers have a high computational burden. In this work, an efficient implementation of this class of controllers that can be applied to linear plants with additive uncertainties and quadratic cost functions is presented. The new approach relies on the equivalence of the maximization problem with a network problem. If a given condition is satisfied, the computational burden of the proposed implementation grows polynomially with the prediction horizon. In particular, the resulting optimization problem can be posed as a quadratic programming problem with a number of constraints and variables that grows in a quadratic manner with the prediction horizon. An alternative controller has been proposed for those systems that do not satisfy this condition. This alternative controller approximates the original one with a given bound on the error.     

飞行器上升段轨迹的优化设计

针对飞行器上升段轨迹优化求解困难的问题,提出一种基于正交配点的优化求解方法。该方法以第二类切比雪夫正交多项式的零点作为系统控制变量和状态变量的离散点,利用拉格朗日插值多项式对状态和控制变量进行拟合。通过对多项式的求导将动力学微分方程约束转化为代数约束,从而把无限维的最优控制问题转化为一个有限维的非线性规划(Nonlinear Programming,NLP)问题。随后,利用序列二次规划(Sequential Quadratic Program-ming,SQP)方法求解转化后的NLP问题,获得最优的飞行轨迹。最后,飞行器上的仿真结果验证了所提方法的有效性。研究成果可为飞行器的制导控制提供可行的飞行轨迹,有一定的工程应用价值。     

线性稳态大系统优化与控制的二次等价性原理与点凸化技术(PCT)

本文研究了线性稳态大系统优化与控制问题中的二次等价性原理,证明了非退化的线性 规划问题可以等价为正定二次规划问题,线性稳态控制问题可以等价为具有线性约束二次凸 目标的稳态控制问题.基于等价性原理,本文提出了点凸化技术(PCT),用于凸化不能应用 关联平衡法(IBM)的线性问题,最后给出应用例子,说明PCT在求解线性稳态大系统优化 与控制问题中的应用.     

求解Minimax优化问题的Newton型算法

Newton法是求解无约束优化问题的最有效的算法,但由于需要计算目标函数的Hesse矩阵计算量大,因此人们大多采用拟Newton(变度量法)求解无约束问题。近些年来,由于自动微分(Automatic Differentiation)技术的提出和计算机速度与内存的不断提高,