一个新的非单调自适应信赖域方法

自适应信赖域方法是求解无约束非线性优化问题的一种有效方法．将非单调线搜索技术与自适应信赖域方法相结合,提出了求解无约束优化问题的一个新的非单调自适应信赖域方法．在适当条件下,证明了该算法的全局收敛性和局部超线性收敛结果．并对其进行了数值实验,结果表明该算法是可行的．     

一类非光滑优化的区间填充函数法

利用区间优化方法对非线性函数比较容易处理及算法的可靠性、收敛性均有保证的特点，用区间方法讨论了目标函数是弱半光滑的最小化问题．给出了填充函数的区间扩张，并提出了求解该非光滑优化问题的区间填充函数算法．定理表明该算法是收敛的、有效的．     

一种求解有约全局优化问题的新型混合方法

通过将模拟退火算法与非线性规划神经网络适当结合，本文提出一种求解有约束全局优化问题的新型混合方法．为了使该方法尽可能保持一般模拟退火算法通用性强的优点，在每一次迭代中不是采用非线性规划神经网络直接求原问题的局部最优解，而是通过求解一个辅助优化问题得到原问题的可行解．数值计算结果表明，与使用罚函数方法处理约束的模拟退火算法相比，本文提出的混合方法不仅可靠性高，而且可以显著地提高计算效率．     

改进蚁群算法在并联六自由度平台优化设计中的应用

蚁群算法在解决组合优化问题上有着良好的适应性，但直接应用于求解连续优化问题难以获得理想的效果．通过对蚁群算法中的全局搜索、局部搜索以及信息素更新规则等环节进行有效的改进，构成了可用于连续优化问题求解的改进蚁群算法．将该算法应用于以灵巧度为目标函数的并联六自由度平台结构设计问题中，通过与采用基本蚁群算法得到的优化结果进行比较，证实了改进蚁群算法具有较好的全局优化能力和较快的收敛速度，可以有效求解并联六自由度平台结构设计这一类连续优化问题．     

基于蚁群算法的知识约简

Rough集理论中知识约简是个NP-hard问题,目前已提出较多的求解方法,但是每种方法由于其自身的局限性,只适用于一定条件下的求解．蚁群算法是较新的仿生优化算法,在解决各类组合优化问题中都取得了很好的效果．其显著优点是受问题规模的影响不大,对大规模问题的求解仍能发挥较优的性能．受蚁群算法该特性的启发,提出基于蚁群算法的知识约简方法．文中具体描述了将条件集的组合方式用一图结构来表示、构建目标评价函数、算法参数的设定以及算法的具体实施步骤等．最后通过于相关文献的比较实验,验证了该方法的有效性．     

面向原问题求解的拟牛顿SVM回归算法研究

研究了支持向量机（SVM）的原问题优化及其回归算法．在分析原问题与对偶问题最优化关系的基础上,引入了一种原问题求解的L—MBFGS—SVR算法．该算法在求解无约束优化问题时,引入了一类新的BFGS拟牛顿算法．它利用迭代的梯度和函数值来近似逆Hessian矩阵,以降低计算复杂性;并结合有限内存技术,来解决数据存储问题．仿真表明,该算法总体上优于IHLF—SVR—RFN和SMO算法,是一种有效的大样本非线性回归建模方法．     

基于粒子群算法的农产品冷链物流配送路径优化研究

介绍了冷链物流的定义及我国农产品冷链物流存在的问题,根据冷链物流配送的特点,探索冷链物流配送路径的优化方法．在建立农产品冷链物流配送路径优化模型的基础上,构造了求解该优化问题的粒子群优化算法,并以实例进行计算．结果证明该算法对于农产品冷链物流配送路径优化问题可以有效的求出最优解,是解决路径优化问题的一种好方法．     

求解minimax优化问题的下降算法

应用矩阵运算给出了求解ｍｉｎｉｍａｘ优化问题的一种新下降算法．该算法的特点是：不必考虑有效函数的个数,不必计算逆矩阵;只需要作矩阵的乘法运算或求解方程组就可以得到ｍｉｎｉｍａｘ的下降方向．该算法具有全局收敛性,数值例子表明,该方法具有良好的数值计算结果．     

一种求解TSP问题的改进遗传算法

旅行商问题（Traveling Salesman Problem TSP）是一个典型的组合优化问题，但应用基本遗传算法求解TSP问题时存在许多不足．结合TSP问题的特点，提出一种改进的遗传算法：应用贪心策略初始化种群，用2-opt对其进行优化，使得在初始个体中就包含较优子路径，在一定程度上加快算法收敛性，防止早熟和近亲繁殖．对交叉算子和变异算子进行改进后，既能维持种群的多样性，也保留了父代个体大部分优良性能．应用改进的算法对20个城市的TSP问题进行求解，结果表明该算法求解速度快而且求解的质量较好．     

机械故障诊断的稀疏特征提取方法

针对旋转机械的周期性稀疏故障特征提取问题,提出了一种周期重叠簇稀疏信号优化特征提取算法．该算法根据机械故障诊断周期性特征提取问题构造了有效的稀疏优化目标函数,该目标函数中的正则项(惩罚函数)选用非凸惩罚函数来增强周期性特征的稀疏性,并且证明了非凸可控化参数在一定约束条件下可以保证目标函数整体为凸．基于优控极小化方法求解所构造的优化问题,推导出高效的快速迭代收敛数值算法,该求解算法最终收敛于优化问题的全局最优解．将所研究的周期重叠簇稀疏信号优化特征提取算法应用于仿真信号,定量分析了其相对于对比算法的优越性．最后,将所研究的周期重叠簇稀疏信号优化特征提取算法应用于轴承故障特征提取中,结果表明,该算法其可以有效地提取稀疏微弱故障特征．     

L.P.问题单纯形法一种改进的迭代判别方法

单纯形法是求解线性规划问题的有效方法．本文给出了求解一般线性规划问题的单纯形算法中一种改进的迭代判别方法，该方法与传统的判别方法相比，是一种利用较少次迭代求解线性规划问题最优解的方法．     

用分支定界算法求解旅行商问题

在0—1整数规划的基础上建立了数学模型，利用MATLAB6．5优化工具箱中的linprog函数进行求解，再经过分支定界算法计算，求出了只含有0和1的解．实验结果表明，该算法可以求解小规模旅行商问题．     

非线形互补问题的障碍函数法

将非线形互补问题转化为约束的优化问题，在已经的利用内点障碍函数方法求解约束优化问题的基础上，提出了利用障碍函数方法求解非线形互补问题的采用序列无约束最小化方法（SUMT）的算法，并利用障碍函数的单调性证明了算法的全局收敛性．最后得出的数值试验表明了算法具有良好的适宜性和强收敛性．     

基于绝对值模型的非线性复方程组微粒群解法

将非线性方程及方程组的求解问题转化为函数优化问题,在绝对值优化模型下。应用微粒群算法在复数范围内对其进行求解．数值实验结果表明了该算法的有效性和可行性．     

基于蚁群神经网络算法的机器人逆解

提出了一种机器人逆运动学问题建模的新方法．利用神经网络逼近机器人逆运动学的输入与输出、利用改进的蚁群算法学习神经网络．针对蚁群算法主要用于离散优化的特点,对基本的蚁群算法进行了改进,采用了全局搜索、局部搜索和确定性搜索,为连续问题的优化提供了一条新的思路．利用改进的蚁群算法学习神经网络．为神经网络提供了一种新的学习算法,使得该方法兼具了蚁群算法与神经网络的优点．应用实例表明了该方法的有效性。提高了机器人逆运动学求解的速度和精度．     

一种求解连续优化的蚁群混合算法

针对蚁群优化算法和Alopex算法的特性，将Alopex算法嵌入到改进的蚁群优化算法中．提出一种求解连续空间优化问题的混合算法（ACOAL），ACOAL算法定义了新的蚁群信息素更新规则、蚁群在解空间的寻优方式和蚁群行进策略；同时，结合Alopex算法以加强搜索能力，该算法充分发挥了Alopex算法的快速搜索能力和蚁群算法寻优性质优良的特性，提高了算法的收敛速度，避免了优化算法陷入局部最优。     

运用变异算子随机搜索求解全局优化问题

通过改进遗传算法,提出一种求解全局优化问题的变异基随机搜索方法．该法以变异算子作为唯一的遗传算子,利用生物变异原理进行局部搜索,同时为使算法具有一定的全局搜索性能引入随机初始化技术．它具有较强的局部搜索能力,可在有限时间内取得较好解．仿真实验证明,本算法在求解全局优化问题上的有效性,并表明其局部收敛能力与求解结果均优于传统遗传算法．     

利用GEK代理模型的天线快速多目标优化设计

传统方法进行天线优化设计主要利用经典优化算法调用电磁仿真软件,在求解复杂天线的多目标优化问题时效率不理想．针对该问题,在多梯度下降算法中引入遗传算子,提出了一种高效的全局多目标优化算法--混合遗传算子多梯度下降算法．该算法调用梯度增强型克里金模型进行天线优化．梯度增强型克里金模型建模所需的样本规模小、时间短,并且避免了电磁仿真软件的反复计算．利用该算法优化加载各向异性Ⅰ型周期结构覆层的警用超短波宽带单极子天线和某型直升机机载专用通信系统天线及其抗干扰阵列,在达到相同优化效果时,所需的模型仿真次数为利用改进的非支配排序遗传算法调用电磁仿真软件进行优化的10.30％和18.96％,验证了该优化算法的高效性．     

双向图覆盖的启发式离散度求解

为了解决大容量存贮器制造过程中因各种原因造成的成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法．该问题一般被归结为双向图的覆盖问题，且其复杂度被证明为ＮＰ．为加快求解速度，可以采用启发式算法求解．本文提出一种新的启发式算法求解，可以降低该问题的复杂度，提高修复效率．     

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。