基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

求解P_*(κ)-水平线性互补问题的核函数内点算法

提出了一个新的核函数,使用该核函数设计了一个求解P*(κ)-水平线性互补问题(P*(κ)-HLCP)的多项式内点算法.为了给出算法的复杂度,首先分析了该核函数的性质;最后,给出了大步更新算法和小步更新算法的迭代复杂度,这些复杂度与目前内点算法最好的复杂度一致.     

求解P0混合互补问题的一个非内点延拓方法

重新表述mid（．）函数,且两次用Shannon熵光滑化函数对其进行光滑化．然后给出了求解P0类混合互补问题的一个非内点预估一校正延拓算法,并分析了该算法的全局收敛性。     

二阶锥规划基于核函数凸组合的内点算法

首先给出了一个新的核函数,该函数为两个核函数的凸组合,进而将该核函数应用于求解二阶锥规划原始对偶内点算法中.分析了算法的复杂性并得到了一个关于大步校正方法的迭代界.最后给出了数值试验结果,讨论了参数对算法的影响.     

解线性规划问题的基于新核函数的内点算法

原始-对偶内点算法是求解线性规划问题和非线性规划问题的重要方法。在本文中,给出了一个新的核函数。基于这个核函数可以构造出一个解线性规划问题的原始-对偶内点算法,并计算出了这个算法的一个理论迭代界。     

关于一个求解凸二次规划改进内点算法的全局收敛性

对一类利用对数障碍函数法求解凸二次规划问题的内点算法给出了全局收敛定理的证明,同时指出该算法并没有考虑到避免Maratos效应,因此很难有超线性收敛的结论,但是由于该算法简单,计算量少,故对小规模问题依然是有效的。     

带参数扰动的原始对偶内点算法求解一类非线性规划问题

给出一种通过新的原始对偶内点法求解一类非线性规划问题的算法及带参数扰动的原始对偶内点法的收敛性,并通过数值实例说明了该算法的有效性.该算法改进了原始对偶内点法,可由参数控制可行域的形状,扩大了初始点的选择范围,并通过修正牛顿法找到值函数的下降方向.     

多极值全局最优化问题的辅助函数法(英)

对于多极值全局最优化问题的目标函数构造了辅助函数并给出了基于辅助函数的下降算法、数值计算结果验证了该算法的有效性。     

一个非线性全局优化的单参数填充函数

根据填充函数算法的思想和基本理论,文章给出了一个求解无约束优化问题的单参数填充函数,讨论该填充函数的性质并设计了相应的算法。该填充函数只含有1个参数,在实际计算中易于调节。实验结果表明该填充函数是可行的。     

线性规划的投影尺度内点算法

对标准线性规划问题给出了一个新的多项式时间的投影内点算法．该算法无需事先知道目标函数的一个初始下界,因此它优于同为投影类的ＴｏｄｄＢｕｒｅｌ算法和Ｇａｙ算法,是目前为止投影类内点算法方面的最好结果．     

解线性不等式约束凸规划问题的势下降内点算法

提出了一种解线性不等式约束凸规划问题的势下降算法,并在一定的假设条件下,证明了该算法的收敛性,最后通过数值实验验证了该算法的有效性.     

框式凸二次规划宽邻域原始-对偶势下降内点算法

基于线性规划原始-对偶势下降内点算法的思想,对框式凸二次规划提出一种新的内点算法宽邻域原始-对偶势下降内点算法.算法选取牛顿方向作为迭代方向,利用势函数选择迭代步长,分析算法的多项式迭代复杂性,并证明新算法具有较好的迭代复杂性O(nL).     

框式凸二次规划原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对框式凸二次规划提出了一种新的内点算法-原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长,并证明了新算法具有O(nL)的迭代复杂性.     

一种基于内点算法的三重目标过滤器优化算法的研究与仿真

 大规模非线性最优化一直是规划中的研究热点.内点算法是一种有效的求解大规模不等式约束问题的算法,然而大多数过滤内点算法仅考虑了可行性和稳定性,忽略了辅助性对算法性能的影响,为此本文在综合过滤器法和内点算法特点的基础之上,提出了一种新的适用于大规模非线性优化的基于内点算法的三重目标过滤器法.新算法依据内点算法的卡罗需-库恩-塔克(KKT)条件,以可行性、辅助性和稳定性作为搜索步长的目标,将等式约束违反量,障碍目标函数和辅助条件作为过滤器选项计算搜索步长.通过搭建计算机仿真环境进行数值测试,从迭代次数、函数估计次数和运行时间3方面与基本过滤器法相比.测试结果表明,相同条件下三重目标过滤器法可以获得更大的搜索步长,实现快速收敛的目的.该算法具有良好的全局收敛性、鲁棒性和有效性.     

凸二次规划基于新的核函数的大步校正原始-对偶内点算法

本文对凸二次规划提出了一种基于新的核函数的大步校正原始-对偶内点算法．这种核函数构造新的障碍函数不仅可以定义新的搜索方向，而且可以控制内迭代的过程，使得对凸二次规划提出的大步校正原始-对偶内点算法的多项式复杂性阶改善到O（√n（logn）2log（n／ε）），优于基于经典对数障碍函数的相应算法的复杂性阶．     

一类模糊半定规划问题的解法

由于内点法的发现和半定规划在控制论、组合优化、统计学等方面的重要应用,半定规划近几年来已成为优化中最活跃的领域。然而许多实际问题很难将它们的目标函数和约束函数精确地描述出来,因此有必要将模糊集理论应用到半定规划中来,进而通过求解模糊半定规划使问题得以解决。     

线性规划的不可行内点原始-对偶仿射尺度算法

本对线性提出了一个不可行内点原始－对偶仿射尺度算法,并证明了算法是一个多项式时间算法。     

求解半定规划的原始对偶势下降内点算法研究

介绍了半定规划的一般模型、最优性条件及求解半定规划问题的原始对偶势下降内点算法.借助两个形象的图形分析了势下降内点算法的迭代轨迹,并对求解半定规划的Filter势下降内点算法进行了研究,提出了Filter的构造方法.在一定的条件下,该算法可避免Maratos效应和势函数海色矩阵不正定等问题的产生.     

一般非线性规划问题的凝聚同伦内点方法

考虑带有等式约束的一般非线性规划问题,先用极大值函数把不等式约束等价地表示为一个不光滑的不等式约束,并采用凝聚方法把不等式约束函数进行带参数的磨光,再利用组合同伦内点方法在广义弱法锥条件下,构造性地证明了广义K-K-T方程解的存在性和凝聚同伦方法的整体收敛性.数值结果表明该方法是有效的.     

二次二层规划的一种混合算法

针对下层为二次凸规划的二层规划问题,先利用遗传算法解决上层规划,然后用内点算法解决下层问题.两种方法结合起来得到一种具有全局收敛性的混合算法,并通过算例说明其有效性.