一类求解无约束优化的自适应拟牛顿型信赖域算法

提出一类求解无约束优化的自适应拟牛顿型信赖域算法,信赖域半径更新准则采用由L-函数给出的一类自适应更新准则,当前迭代点处的目标函数的二阶海森矩阵用某种拟牛顿型公式近似。在一定假设的条件下,算法具有传统信赖域算法的全局收敛性质。数值实验表明,对于求解无约束优化问题算法是有效的。     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共轭梯度法,并在一定的假设条件下建立了算法的全局收敛性理论.数值实验进一步验证了这种算法比同类算法更有效.     

一类具有全局收敛性质的共轭梯度法

非线性共轭梯度法由于其迭代简单和储存量小,且搜索方向不需要满足正割条件,在求解大规模无约束优化问题时占据及其重要的地位.提出了一类新的共轭梯度法,其搜索方向是目标函数的下降方向.若假设目标函数连续可微且梯度满足Lipschitz条件,线性搜索满足Wolfe原则,讨论了所设计算法的全局收敛性.     

苹果采摘机械手的逆运动学求解研究

为了提高苹果采摘机械手的采摘成品率,保证采摘后苹果质量,提出一种引入采摘综合因素的苹果采摘机械手的逆运动学求解方法。首先,采用Denavit Hartenberg模型对苹果采摘机械手进行建模,并将逆运动学求解问题转化为规划问题,其中,目标函数为所求得逆运动学参数对应的机械手末端中心坐标与待求坐标欧式距离。然后,在遗传算法选择、交叉、变异算子进行全局搜索的基础上,结合非线性规划对目标函数进行局部搜索。最后,借助随机森林算法将逆运动学求解结果分为3个姿势等级。试验表明,非线性遗传算法在苹果采摘机械手的逆运动学求解上相比遗传算法精度提高了8～25 mm,随机森林算法可以很好地对其求逆结果进行优化,从而提高苹果采摘成品率。     

基于差分演化与猫群算法融合的群体智能算法

提出一种基于差分演化与猫群算法融合的群体智能算法。该算法基于猫群算法的两种行为模式，引进差分演化的思想，根据分组率随机把群体分成两个种群，一个种群执行猫群算法搜寻模式，另一种群执行差分变异模式，算法采用一种信息共享机制，使两个种群在搜索最优解时可以实现协同进化，信息交流。既实现了不同进化模式间的优势互补, 又可以增加种群的多样性。对5个基准函数进行仿真实验并分别与DE和CSO 进行比较，表明混合算法同时具有全局搜索和局部搜索最优解性能，收敛速度快，计算精度高，更适合用于求解高维复杂函数。     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

求解无约束优化问题的一种新的谱共轭梯度法

在修正LS算法的基础上,对谱系数βk进行变形,并采用谱共轭梯度算法的迭代格式,提出了求解无约束优化问题minf(x),x∈Rn(f(x):Rn→R为连续可微函数)的一种新的谱共轭梯度法,对其充分下降性和全局收敛性进行了研究。结果表明,该算法在标准的Wolfe非精确线搜索下能满足充分下降性。在标准的Wolfe线搜索下具有全局收敛性。     

应用遗传算法进行机械优化设计计算

遗传算法和传统优化算法相比有许多优越性.应用遗传算法原理,对机械优化设计进行计算,只对少部分点进行搜索,就得到工程需要的满意解.遗传算法的求解没有固定的模式,而是根据实际机械优化设计问题的求解要求,来确定计算过程中如何确定适应度函数,采用何种编码规则,选用哪种选择、交叉、变异遗传操作方法.     

一种求解不等式约束优化问题的光滑化算法

利用光滑函数建立了不等式约束优化问题KT条件的一个扰动方程组,提出了一个新的内点型算法. 该算法在有限步终止时当前迭代点即为优化问题的一个精确稳定点. 在一定条件下算法具有全局收敛性,数值试验表明该算法是有效的.     

一类修正PRP共轭梯度法的全局收敛性及其数值试验结果

提出一类求解无约束优化问题的修正PRP共轭梯度法.算法采用一个新的参数公式,利用该参数公式的非负特性,在适当条件下,分别证明算法在弱Wolfe-Powell线搜索和Grippo-Lucidi线搜索下全局收敛.最后给出了数值试验结果.     

一个带不精确线性搜索的记忆梯度法

给出了一个求解无约束优化问题的带不精确线性搜索的记忆梯度法。该方法利用以前迭代的更多信息来确定新的搜索方向,并用不精确线性搜索来选择迭代步长,证明了算法满足线性搜索的条件下的全局收敛性。数值试验结果显示,新算法具有较好的稳定性,对于求解大规模的问题,该算法显得更为有效。     

求解线性约束优化问题的一种全局优化算法

对求解无约束全局最优化问题的推进函数法进行了改进,用来求解带线性约束的全局优化问题.算例表明本文提出改进的算法是有效的.     

一种引入反向搜索机制的果蝇优化算法研究

针对基本果蝇优化算法求解复杂优化问题时全局搜索能力差,种群多样性偏低等问题,提出一种引入反向搜索机制的果蝇优化算法（RFOA）。该算法通过在搜索趋于停滞时计算果蝇个体和进化方向的夹角,挑选出一批和进化方向相反的果蝇个体并利用这些个体去探索新的最优解,从而跳出局部最优。通过标准测试函数进行仿真测试,实验结果证明,解决部分较为复杂的优化问题时,RFOA相比其他改进算法可以更有效地避免早熟收敛,加快收敛速度,提高收敛精度。     

一种改进的DY共轭梯度法及其全局收敛性

基于已有的DY方法,提出了一种改进的DY共轭梯度法（NMDY算法）,该算法产生的搜索方向为充分下降方向,且这一性质与所采用的线搜索方法无关。并在一定的条件下证明了该算法基于Wolfe线搜索求解非凸优化问题的全局收敛性。     

一类修正的LS共轭梯度法的全局收敛性及其数值试验

提出一类带有新的参数公式的求解无约束优化问题的修正LS共轭梯度法.在适当条件下,分别证明算法在广义Wolfe-Powell线搜索和强Wolfe-Powell线搜索下全局收敛.数值试验表明该算法有较好的收敛效果.     

一类带有二阶线搜索的非单调信赖域算法

提出了求解无约束最优化问题的带有新的非单调线搜索的非单调信赖域算法.当试探步不成功时,算法沿着试探步的方向求得下一个迭代点,其中步长运用新的非单调二阶线搜索计算,这种方法没有重新求解子问题,减少了计算量.在适当的条件下,证明了算法的全局收敛性.     

基于混沌变量的模式搜索法及其应用

提出了基于混沌变量的模式搜索法.在探索移动中,由混沌遍历性来生成移动方向和步长;在模式移动中,针对粗搜索与细搜索分别采取最优一维搜索和直接模式搜索.将全局优化能力强的混沌优化融入到模式搜索法中,且采取二级模式移动,搜索效率高.算法应用于模糊神经网络权值优化,仿真验证了其优良性能.     

求解非凸优化问题的一类Broyden算法超线性收敛性分析

提出了一类求解无约束优化问题的修正Broyden算法。当目标函数非凸时,在一般情况下它的二阶导数矩阵可能不正定,为有效地利用Broyden算法求解非凸优化问题,通过建立新的正割方程,设计了一类修正的Broyden算法．当假设目标函数二阶连续可微,目标函数的梯度和Hesse矩阵满足Lipschitz条件,线性搜索满足wolfe原则时,讨论了所设计算法的超线性收敛性。     

输油管道运行优化目标函数的讨论

目标函数的凸性或单峰性是应用非线性规划方法获得问题全局最优解的必要条件。应用数值方法获得多条输油管道算例的运行优化目标函数曲线，并研究其是否满足上述条件。结果显示，总体搜索范围内目标函数呈多峰性及局部锯齿形，表明存在多个局部最优解。据此可推断，输油管道运行优化目标函数在总体搜索范围内一般不满足非线性规划方法获全局最优解的必要条件，按总体范围搜索极有可能仅获得局部最优解。对已提出的多种处理方法进行综合分析，其中任何一种处理方法的实质都是寻找总体搜索范围内全局最优解所处且满足上述条件的较小寻优区间，以便获得真正的最佳运行方案。     

一种基于子种群带多亲体杂交的微粒群算法

提出一种改进的微粒群算法XSPSO,使用子种群来决定各个个体的邻域.引入基于邻域的多亲体杂交,引导各个微粒飞向不同的山峰的同时搜索其他山峰.从实验的结果来看,该算法具有较强的搜索能力和较好的稳定性,且精度较好.该算法用于多峰函数优化具有较佳的效果.