传统的优化方法在描述能力、建模方法、方法实现和模型数据的分析等方面都存在着局限性,需要引入新的思路.针对上述问题,提出了基于知识的广义优化方法,给出了广义优化中知识概念、优化问题的描述,以及基于知识的广义优化方法的一般求解过程.其基本方法是在优化问题知识模型的基础上,建立基于知识的广义优化算法,通过知识系统的约简,得到用于制定优化方案的决策规则.同时给出了基于知识的广义优化方法在在锅炉燃烧优化问题中的应用示例,说明了方法的有效性

启发式优化方法研究背景 生物启发式优化方法 群体智能优化方法（SI） SI算法在管理中的应用 实例研究

一、最优化方法概述 二、无约束优化问题与matlab求解方法 三、约束优化问题与matlab求解方法

信赖域方法是求解最优化问题的另一类有效 方法．其最初的设计思想可追溯至Levenberg Marquart 和 对Gauss－Newton法的修 正．线搜索方法是把一个复杂的最优化问题转化 成一系列简单的一维寻优问题．信赖域方法是把 最优化问题转化为一系列相对简单的局部寻优 问题．

针对鲁棒保性能控制中的权值矩阵依赖经验选取,无法最大限度的减小系统保守性的问题,提出了一种基于混沌人工鱼群算法的鲁棒保性能控制权值矩阵优化方法.该方法中,将保性能控制鲁棒界作为优化的目标函数来寻找最优权值矩阵是整个算法实现的关键.该种改进的人工鱼群优化算法融合了混沌搜索与自适应步长和视野的人工鱼群优化算法,有效的解决了基本人工鱼群算法的后期收敛速度慢、易陷入局部最优等缺点.通过测试函数对比验证了该种改进人工鱼群优化算法的优越性,并通过应用实例验证了该权值矩阵优化方法的有效性

基于对Logistic映射混沌变量概率分布的研究,提出了一种区间套混沌搜索方法,避免了混沌搜索的盲目性.将区间套混饨搜索方法与共轭梯度法结合,提出了一种混合优化方法,利用区间套混沌搜索方法搜索到近似最优点,再用共轭梯度法求得最优点.数值计算结果表明,该方法可显著提高优化效率

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

使用盲数表达优化设计中的不确定变量,结合常用的基于实数变量的优化算法,提出了基于盲数的优化方法.该方法从微观的角度分析和描述设计变量与优化参数之间的关系,给出优化问题的盲数解.盲数解不但给出了设计变量的取值,而且还给出了不同取值时优化对象处于最优状态的可靠性的评价

讨论了在多学科设计优化过程中,层级系统、非层级系统以及它们的子系统之间的相互关系,并将混合系统分成四类.通过建立多学科设计优化过程中各子系统设计变量和目标函数的协同规则,研制了针对混合系统优化设计的多学科混合协同设计优化方法.将此优化方法应用到微机械陀螺的优化设计中,取得了满意的结果

1.1 最优化问题简介 1.2 最优化方法概述