带回溯线搜索步的双子问题信赖域算法

无约束非线性优化问题广泛存在于工程、科学计算等实际应用领域。本文在信赖域算法的框架下提出无约束子问题,将它与信赖子问题相结合,构造了求解无约束优化问题的双子问题信赖域算法。同时利用信赖域子问题得到的试探步一定是目标函数充分下降方向的性质使得每次求解信赖域子问题之后均能得到使目标函数下降的步。在标准假设下证明了该算法具有全局收敛性和局部二次收敛速度。数值结果表明该算法比传统的信赖域算法速度更快更有效。     

带有线搜索的新的非单调自适应信赖域算法

本文给出了一种新的信赖域算法。该算法以变化的速率来调整信赖域半径的大小。在由信赖域子问题产生的试探步不被接受的情况下,新算法采用线搜索的方法得到下一个迭代点。同时算法采用非单调的技术来加速算法的收敛效果。文中给出了新算法的全局收敛性分析和数值试验的结果。     

基于信赖域技术的非单调非线性共轭梯度算法

共轭梯度算法由于其迭代简单和较小的存储在求解大规模无约束优化问题中起着特殊的作用.本文基于信赖域技术和修正拟牛顿方程,结合Zhang非单调策略,设计了一种新的求解无约束最优化问题的基于信赖域技术的非单调非线性共轭梯度算法.该算法每次迭代自动产生信赖域半径,并通过求解一个简单的子问题得到下一个迭代点,信赖域技术的应用保证...     

基于改进的信赖域模型管理技术识别风电转子系统不对中载荷

针对求解耗时的风电转子系统不对中载荷识别问题，提出基于改进的信赖域模型管理技术的识别算法。该算法将整个先验分布空间的不对中载荷识别问题转化为一系列信赖域上的近似优化问题，通过区域遗传智能采样技术采集样本，加强径向基函数构建代理模型，再采用遗传算法进行近似优化。通过每个信赖域上的最小目标函数和近似优化结果确定信赖度和下代域的中心、半径，进而不断地缩放、平移信赖域，来保证获得与真实模型一致的不对中载荷。通过四种方法对比表明该方法样本遗传策略，遗传落在下代信赖域空间上的样本，减少实验设计样本个数而提高效率；最小目标函数作为信赖中心调整提高了关键区域代理模型的精度而加快收敛，降低了对代理模型精度的依赖。     

复合不可微最优化问题的非单调信赖域方法

对复合不可微最优化问题提出了一种新的非单调信赖域方法。算法在每个迭代点处构造带信赖域约束的二次规划子问题,新的迭代点采用非单调策略产生,在一般的假设条件下证明了算法的全局收敛性。数值试验表明：该算法能在一定程度上克服由非光滑性引起的Ｍａｒａｔｏｓ效应     

求解非线性系统的信赖域方法

本文给出了一个求解非线性系统的信赖域方法。通过引入松驰变量将非线性系统问题转化为带非负约束的非线性最优化问题,新算法借助于KKT条件和F-BNCP函数,在每次迭代时,不必求解二次信赖域子问题,只需求解一个线性方程组。在一定的假设条件下,该算法还是全局收敛和局部超线性收敛的。数值试验结果表明该算法是有效的。     

求解无约束优化问题的多维滤子信赖域方法

无约束优化问题广泛存在于工程、科学计算等领域.本文提出了修正的多维滤子信赖域算法,将信赖域子问题中柯西步的求解独立出来,一旦发现二次模型非凸,便直接采用柯西点作为下一步迭代点.新算法无需考虑迭代产生的非凸点,编程以及全局收敛性的证明过程较为简洁.最终,数值计算结果表明算法的可行性和有效性.     

求解非线性互补问题的一个光滑信赖域算法

基于半光滑性和Jacobi相容性,提出了求解非线性互补问题的一个光滑信赖域算法,并在一定条件下证明了该算法的全局收敛性和局部超线性收敛性。     

一类新的基于信赖域技术的非单调共轭梯度算法

为有效求解大规模无约束优化问题,本文基于信赖域技术和修正拟牛顿方程,同时结合Zhang H. C.策略和Gu N. Z.策略,设计了一种新的非单调共轭梯度算法,应用信赖域技术保证了算法的稳健性和收敛性,并给出了算法的全局收敛性分析．在适当条件下,证明了该算法具有线性收敛性．数值实验表明新算法能够有效求解病态和大规模问题．与单独结合其中一种非单调策略的算法相比,新算法需要较少的迭代次数和运行时间,利用其得到的函数值与最优值更接近．     

一类极大极小优化问题的信赖域算法

借助于K-T条件和NCP函数,提出了处理一类极大极小优化问题的信赖域算法。数值实验结果表明该方法足行之有效的。     

一类极大极小优化问题的信赖域算法

借助于K-T条件和NCP函数,提出了处理一类极大极小优化问题的信赖域算法.数值实验结果表明该方法是行之有效的.     

复合不可微最优化问题的非单调依赖域方法

对复合不可微最优化问题提出了一种新的非单调信赖域方法,算法在每个迭代点处构造带信域约束的二次规划子问题,新的迭代点采用了非单调策略产生,在一般的假设下证明了算法的全局收敛性,数值试验表明;该算法能在一定程度上克服由非光滑性引起的Ｍａｒａｔｏｓ效应。     

线性约束LC1凸优化问题的内点信赖域算法

本文提出一种解线性约束凸规划的数值方法。通过将问题的KKT系统转化成一个约束方程,算法在每步迭代只需解一个线性方程组即可得到搜索方向。算法运用了信赖域方法利内点技术。在较弱的条件下,我们证明了算法的全局收敛性。     

非线性不等式组的信赖域算法

对于非线性不等式组的求解,采用构造辅助函数将非线性不等式组转化成为一个非线性方程组。文中采用光滑信赖域方法对非线性方程组进行逐次逼近从而求得问题的解。算法的全局收敛性和局部超线性收敛性得到了保证,数值试验表明算法对于小规模问题是切实可行的。     

一个自动确定信赖域半径的信赖域方法

本文对无约束优化问题提出一个自适应的信赖域方法,每次迭代都充分利用当前迭代点包含的二次信息自动产生一个信赖域半径,所用的计算信赖域半径的策略没有增加额外的计算量。在通常条件下,证明了全局收敛性及局部超线性收敛结果,数值结果验证了新方法的有效性。     

拟高斯—牛顿法的收敛性分析

根据非线性最小二乘问题的分裂扩牛顿法提出了无记忆型拟ＧＮ法。它的近似Ｈｅｓｓｅ矩阵在下降方向上满足拟牛顿方程，比ＧＮ法近似性好，它又比一般的分裂拟牛顿法节省存储空间，减少计算量，结合信赖域技术，算法具有良好的理论性态，文后给出一些有代表性的数值结果以说明算法的有效性。     

通风网络解算方法探讨

合理的通风网络解算方法是获得良好通风效果的前提，对国内外近年来的解算方法进行的汇总，常用的方法有基于Hardy-Cross的计算机法、信赖域法、改进的Scott-Hinsley法、WebGis法、贪心算法等。同时，随着地下矿山开采深度的增加，井巷更加错综复杂，通风网络解算方法应进一步改进.     

智能排班问题的概率约束规划模型与有效求解

由于其广泛的应用领域与难解性,对不同形式智能排班问题的研究现已成为运筹学界的一个研究热点。为克服现有模型无法恰当反映人力需求约束实际特征与求解算法效率低等不足,本文对综合排班问题构建了两种不同形式的概率约束随机规划模型。利用样本平均近似方法和"大M方法",我们将概率约束问题转化为大规模整数线性规划问题,并综合运用了Lagrange松弛法、分解算法与信赖域算法等方法的思想,设计出了一有效的嵌套分解算法。最后,通过数值算例说明了本文模型的合理性与所设计算法的有效性。     

一种非线性参数识别的实用方法

对非线性参数用梯度正则化方法反演进行了进一步研究。借鉴模型信赖域的思想，给出了确定正则因子的具体办法，并建立了算法的迭代过程。以识别四边简支矩形板荷载的作用点为例，阐明了该方法的应用。算例结果表明迭代过程收敛速度较快，精度高，且稳定性好，具有较强的抗噪音能力。     

LM算法求解大残差非线性最小二乘问题研究

针对传统LM算法求解大残差非线性最小二乘问题时存在算法失效的现象,分析Hessian矩阵与其近似矩阵的相似度对LM算法有效性的影响,提出一种依据残差变化方向搜索信赖域区间的自寻优LM算法。优化阻尼系数的更新算法,引入大残差引起的局部不收敛判断条件,以最速下降法结束当前迭代。迭代过程均以目标函数值的减小作为接受条件,算法稳定可靠。圆拟合测试结果证明:自寻优LM算法对待求参数初始值的选取不敏感,在15°夹角短圆弧、大残差等极端条件下仍可获得较快的收敛速度和良好拟合效果。自寻优LM算法具有较强的鲁棒性和稳定性,性能明显优于传统LM算法。