研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果

线性规划 1.线性规划模型 2.标准型 3.图解法 4.解的概念和性质 5.单纯形算法

本文提出了寻4求整体最优解的一种新算法。这个算法对一类范围甚广的工程优化问题(维数 ≤ 5~6)较为有效。文中给出了算法及收敛性、最优性条件、计算实施的若干建议,以及计算实例

研究了多智能体网络中受集合约束的一致性最优化问题，提出了基于原始–对偶梯度的定步长分布式算法。算法中包括步长在内的参数会影响收敛性，需要先进行收敛分析，再根据收敛条件设置合适的参数。本文首先针对一般的定步长迭代格式，提出一种基于李雅普诺夫函数的收敛分析范式，它类似于一般微分方程关于李雅普诺夫稳定的分析方法。然后，针对所考虑的分布式梯度算法，构造了合适的李雅普诺夫函数，并根据收敛条件得到了算法参数设定范围，避免了繁冗复杂的分析论证。本文提出的理论与方法也为其他类型的分布式算法提供了一个框架性、系统性的论证方法

针对热连轧负荷分配的目标函数处理中采用的加权系数不好确定的问题,设计了一种多子群目标分段优化的差分进化算法.每个子群优化目标函数的一个子目标,子群之间独立进化,不但解决了加权系数问题,并且提高了算法的收敛速度和精度.最后,算法的有效性通过仿真进行了验证

绪论 基本粒子群算法 粒子群算法改进 粒子群算法与进化算法的异同 粒子群算法理论分析工具 粒子群算法的应用

引入载能体的方法,统筹电炉炉料结构、电炉供氧、配碳和供电等多种因素,建立了电炉载能值综合优化模型.模型约束复杂,采用线性规划难以求解,本文采用遗传算法进行求解.对BH1H、BHDDQ和SUS304钢种进行能值计算.结果表明:在保证电炉出钢钢水化学成分、温度和渣的碱度等指标符合要求的前提下,每炉钢水能值分别降低了22.8%、21.4%和23.6%

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题．由于调度问题中绝大多数属于NP-难类问题，不存在有效的最优求解算法．针对用智能优化算法—遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题，设计了一种模糊算法以便自动确定交叉率和变异率．通过数值实验，嵌入模糊规则的遗传算法比简单的遗传算法要好，说明在实际生产中，此算法具有强大的发展前途．

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略.该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法.通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件.与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明:本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性

关于优化问题比较：传统的优化方法 （1）依赖于初始条件。 （2）与求解空间有紧密关系，促使较快地收敛到局部解，但同时对解域有约束，如可微或连续。利用这些约束，收敛快