导读:本文包含了有约束优化方法论文开题报告文献综述、选题提纲参考文献，主要关键词:方法,梯度,函数,无约束,精确,模型,方向。
有约束优化方法论文文献综述写法
唐春明,王贞贞,郑海艳[1]（2019）在《非光滑约束优化的改进水平束方法》一文中研究指出为求解一类非光滑约束凸优化问题,提出了基于Bregman距离的水平束方法,将传统欧氏距离推广到广义Bregman距离,从而可充分利用可行集的几何结构,提升计算效率。该方法利用多面体模型近似原问题的目标函数和约束函数,并引入改进函数作为最优性判别函数。最后证明了算法的全局收敛性并分析了迭代复杂度。(本文来源于《广西大学学报(自然科学版)》期刊2019年05期）
赵昕,赵健哲,马壮[2]（2019）在《基于等增量敏感性的高层建筑结构反向约束优化设计方法研究》一文中研究指出以高层建筑结构为背景,提出了一种降级反向约束优化设计方法。降级反向约束优化设计方法根据工程设计习惯,按照整体、组件、构件、截面、构造的顺序逐级收紧设计约束条件,在每一轮设计中采用等增量敏感性分析方法,以最小的结构材料增量弥补本级冗余不足的设计准则,在满足规范安全性的同时,减少结构材料浪费。应用反向约束优化设计方法,对一个10层钢框架结构和一幢实际超高层钢结构进行了基于等增量敏感性的优化设计,并与正向约束优化设计方法的结果进行对比。研究结果表明,结构能够满足规范各项设计准则的要求,在充分满足安全性要求的同时,有效减少了结构材料用量,两个案例材料用料分别减少了14. 2%和7. 8%,且在优化过程中没有出现约束条件偏离限值的情况,提高了优化效率。(本文来源于《建筑结构学报》期刊2019年11期）
邱静[3]（2019）在《约束优化问题的罚函数方法的光滑化研究》一文中研究指出20世纪40年代以来,随着科学技术的发展以及电子计算机的广泛使用,最优化理论与算法迅速发展成为一门独立的学科.随着计算机技术的快速发展,最优化理论和方法广泛应用于公共管理、经济管理、工程建设、军事、国防等各个领域,其中,比较常见的是约束非线性规划问题.约束非线性规划问题求解过程较为复杂,常可以转化为无约束非线性规划问题来求解,其中,最为常用的方法之一是罚函数方法.当罚参数充分大时,求出的罚问题的极小值点就是原约束规划问题的极小值点或者称原问题的极小值点就是罚问题的极小值点,称对应的罚函数是精确的.所谓简单罚函数是指罚函数中含有原问题中的约束函数和目标函数,而不含有他们的梯度信息.对于传统的罚函数而言,如果罚函数是简单的,那么它的精确性、光滑性不可能同时满足.目前所研究的精确罚函数大都是简单的,非光滑的,所以精确罚函数的光滑化就成为一个比较重要的研究领域.目标罚函数方法是针对目标函数引入罚参数的一类方法.本论文共四章:第一章主要介绍了约束最优化问题的基础知识、罚函数方法和本文的主要工作.第二章提出了一个新的含有双参数的精确目标罚函数并对其进行光滑化,证明了光滑罚问题的最优解是原问题的近似最优解,并基于这个罚函数设计了一个算法,证明了算法的收敛性,并且通过数值计算说明了算法是可行的.第叁章在第二章提出的光滑函数的基础上,光滑化l_1精确罚函数,设计算法并通过数值算例说明算法的可行性.第四章提出了一个新的低阶精确目标罚函数并研究了这一低阶精确目标罚函数的光滑近似,给出了一种新的光滑函数,证明了光滑罚问题的最优解是原问题的近似最优解,并证明了基于这一光滑罚函数的算法在一定条件下是收敛的.第五章对本文的研究内容做了一下总结,介绍了以后的研究方向与内容.(本文来源于《曲阜师范大学》期刊2019-06-12）
刘慧[4]（2019）在《二阶锥约束优化问题的非精确增广拉格朗日方法》一文中研究指出本文主要以二阶锥约束优化问题为研究对象,讨论精确和非精确的增广Lagrange方法的收敛性及收敛速率.首先,利用增广Lagrange函数的一阶导数建立了 KKT系统并定义了 Lagrange乘子集,基于KKT系统给出了非精确增广Lagrange算法的框架.然后在Robinson约束品性、广义方程解映射的Calm性质和二阶充分条件的假设下,证明了算法的收敛性和收敛速度.当罚参数充分大时,由算法迭代产生的对偶序列是线性收敛的.进一步,当罚参数趋近于无穷时,收敛速度是超线性的.(本文来源于《哈尔滨师范大学》期刊2019-06-01）
赵逸翔[5]（2019）在《基于BP神经网络的无约束优化方法研究及应用》一文中研究指出BP神经网络模型是目前应用最广泛的多层前馈神经网络之一,具有自适应、自主学习,较强的非线性映射能力和较强的泛化能力等优点。理论证明,当隐含层神经元数足够多时BP神经网络只需叁层结构就可拟合各种复杂的非线性函数。在实际应用中,人们期望得到一个输入值,以使输出取得极值,即基于BP神经网络的优化问题。现有文献一般采用梯度法或拟牛顿法求解基于BP神经网络无约束优化问题,但梯度法与拟牛顿法在求解过程中易出现局部收敛现象,从而陷入局部最优,无法得到全局最优解。遗传算法是一种自适应全局优化概率搜索算法,其在搜索过程中能够在解空间中同时进行多点搜索,计算速度高且能避免算法陷入局部最优保证计算的准确性。因此,该文首次提出了基于BP神经网络无约束优化问题的遗传算法,并将其与传统的梯度法及拟牛顿法进行比较分析,结果表明使用遗传算法求解基于BP神经网络的无约束优化问题效果更优且计算速度较快。在此基础上,应用该文提出的基于BP神经网络无约束优化问题的遗传算法优化了黑龙江省大豆种植密度和施肥量。主要研究工作如下:(1)该文对标准BP神经网络的原理与结构进行了深入研究并进行了BP算法的推导,分析了基于BP神经网络的无约束优化问题的梯度法、拟牛顿法操作原理及算法步骤,发现其在求解过程中易陷入局部最优。(2)为克服梯度法和拟牛顿法在求解基于BP神经网络无约束优化问题时易陷入局部最优的问题,提出了基于BP神经网络无约束优化问题的遗传算法,并针对这叁种基于BP神经网络的无约束优化方法进行了测试分析与比较,结果表明:基于BP神经网络的叁种无约束优化方法均可求出BP神经网络输入何值时取得近似最优解。但基于BP神经网络无约束优化问题的遗传算法对于含有多个局部极值点的目标函数具有更快的速度,更高的运算效率,并且可以避免陷入局部极值点。(3)应用该文提出的基于BP神经网络无约束优化问题的遗传算法优化了黑龙江省大豆种植密度和施肥量。(本文来源于《东北农业大学》期刊2019-06-01）
李鑫[6]（2019）在《基于无约束优化EMD的图像融合方法研究》一文中研究指出随着多源图像数据应用范围的扩大,通过图像融合进行准确、快速地获取多视角信息的需求不断增加。经验模态分解(Empirical Mode Decomposition,EMD)是一种多尺度的自适应分解方法,非常有利于处理非线性、非平稳信号。该方法被认为是信号处理和分析领域的一个重要革新,受到了国内外研究者的广泛关注。由于经验模态分解方法能够高效表示图像不同尺度的特征信息,因此用其进行图像融合,有利于提高图像融合的质量。本文针对基于EMD的图像融合方法进行研究,提出了一种采用基于Delaunay叁角化的二维无约束优化EMD进行图像融合的方法。方法能够很好地保持多源图像的细节特征,并在融合过程中通过适当的增强系数对融合结果进行增强处理,能够得到更高质量的融合图像。本文的具体工作如下:(1)提出了一种基于Delaunay叁角化的二维无约束优化EMD方法。方法首先对二维图像极值点重新定义,然后对定义的极值点进行Delaunay叁角化构建无约束的优化模型对图像进行迭代分解,能够将原始图像自适应分解为尺度从细到粗的模态图像和一个余量图像。实验结果表明该方法较原始的二维无约束优化EMD方法具有更强的细节获取能力,能够更好地体现原始图像的不同尺度特征。(2)提出了一种基于无约束优化EMD的图像融合方法。方法利用基于Delaunay叁角化的二维无约束优化EMD方法将待融合图像进行分解,再将相同层次下的模态图像和余量图像根据特定的融合准则进行融合,并在融合过程中采用适当的增强系数对不同尺度的模态图像和余量图像进行增强处理,能够得到更高质量的融合图像。通过对多聚焦图像、多光谱与全色图像、CT与MRI图像等典型图像进行实验,结果表明本文方法取得了较好的效果。(本文来源于《东北电力大学》期刊2019-05-01）
任乐乐[7]（2019）在《求解约束优化的修正无罚无序列二次规划方法》一文中研究指出非线性约束优化问题是指目标函数或约束函数中有一个或多个非线性函数的最优化问题,它普遍存在于经济管理、工程设计、科学研究、军事指挥等领域.因此如何求解该问题成为一个十分重要的研究课题.随着计算机技术的快速发展,求解该问题的各种方法相继被提出.众所周知,序列二次规划(SQP)方法是求解非线性约束优化问题的最有效方法之一.但由于SQP方法不能保证其子问题是相容的,且在每次循环迭代中都需要求解若干个二次规划子问题,这就使得算法计算量过大.为避免这些缺点,一系列无序列二次规划(QP-free)方法逐步发展起来.本文针对一般的非线性约束优化问题,在不同的工作集下提出了几种修正的非单调无罚无序列二次规划方法.首先提出了一个修正非单调滤子无序列二次规划方法,该方法基于初始方向和拉格朗日乘子或约束函数,构造某种凸组合形式来得到下降的搜索方向,结合修正的非单调滤子技巧,放松了试探点的接受准则,有效地避免了Maratos效应.其次,针对滤子集存储量大的问题,舍弃滤子结构,构造了新的平衡机制用于平衡目标函数和约束违反度函数,提出了无需滤子的无罚函数无序列二次规划方法.最后,构建了一种新的更为松弛的非单调思想,改造QP子问题,对约束条件的一阶近似进行扰动,然后利用拉格朗日函数信息对搜索方向进行适当地弯曲,给出一个无罚无滤子的修正非单调模松弛无序列二次规划方法,证明了算法的全局收敛性.数值结果表明,算法是有效且易于实现的.(本文来源于《河北大学》期刊2019-05-01）
孙颖异,李健,孙中波,王增辉[8]（2019）在《求解无约束优化问题的两类修正的WYL共轭梯度方法》一文中研究指出针对无约束优化问题,通过修正共轭梯度参数,构造新的搜索方向,提出两类修正的WYL共轭梯度法.在每次迭代过程中,两类算法产生的搜索方向均满足充分下降性.在适当条件下,证明了算法的全局收敛性.数值结果表明算法是可行的和有效的.(本文来源于《应用数学》期刊2019年02期）
左双勇,王祥玲,朱志斌[9]（2019）在《一种求解非线性约束优化问题的无罚函数无滤子的方法》一文中研究指出借助于强次可行方向法的思想和滤子法的思想,给出了一种求解非线性约束优化问题的无罚函数无滤子的方法.方法借助于广义投影技术产生搜索方向,直接通过原目标函数和约束违反度函数作为搜索函数来产生步长,有效地避免了消耗计算成本的恢复阶段.最后在适当的假设条件下,给出了算法的全局收敛性和有效性.(本文来源于《数学的实践与认识》期刊2019年06期）
胡文君,周溪召[10]（2019）在《一个基于无约束优化方法的交通组合模型》一文中研究指出基于期望效用理论,建立了一个组合出行-终点-模式-路径选择的一般无约束优化模型,将出行与否的选择、出行终点选择、模式选择和交通分配纳入一个统一的框架进行分析,推导了组合模型的出行阻抗以及用户分别选择出行、终点、模式和路径的概率或条件概率,及满意函数的特征。分析推导了无约束优化模型解的等价性、存在性和唯一性条件。将一般形式的模型公式推广到路径选择服从多项式Logit和C-Logit的组合无约束优化模型。采用一个简单算例来表现模型的可行性和有效性,结果表明了无约束优化组合模型与带约束组合模型解的等价性,同时路径的重迭效应会通过路径重迭部分长度和OD对吸引力来影响均衡的出行流、终点流、模式流和路径流,提出的模型相比一般模型有更好的解释和预测能力。(本文来源于《重庆交通大学学报(自然科学版)》期刊2019年12期）
有约束优化方法论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以高层建筑结构为背景,提出了一种降级反向约束优化设计方法。降级反向约束优化设计方法根据工程设计习惯,按照整体、组件、构件、截面、构造的顺序逐级收紧设计约束条件,在每一轮设计中采用等增量敏感性分析方法,以最小的结构材料增量弥补本级冗余不足的设计准则,在满足规范安全性的同时,减少结构材料浪费。应用反向约束优化设计方法,对一个10层钢框架结构和一幢实际超高层钢结构进行了基于等增量敏感性的优化设计,并与正向约束优化设计方法的结果进行对比。研究结果表明,结构能够满足规范各项设计准则的要求,在充分满足安全性要求的同时,有效减少了结构材料用量,两个案例材料用料分别减少了14. 2%和7. 8%,且在优化过程中没有出现约束条件偏离限值的情况,提高了优化效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
有约束优化方法论文参考文献
[1].唐春明,王贞贞,郑海艳.非光滑约束优化的改进水平束方法[J].广西大学学报(自然科学版).2019
[2].赵昕,赵健哲,马壮.基于等增量敏感性的高层建筑结构反向约束优化设计方法研究[J].建筑结构学报.2019
[3].邱静.约束优化问题的罚函数方法的光滑化研究[D].曲阜师范大学.2019
[4].刘慧.二阶锥约束优化问题的非精确增广拉格朗日方法[D].哈尔滨师范大学.2019
[5].赵逸翔.基于BP神经网络的无约束优化方法研究及应用[D].东北农业大学.2019
[6].李鑫.基于无约束优化EMD的图像融合方法研究[D].东北电力大学.2019
[7].任乐乐.求解约束优化的修正无罚无序列二次规划方法[D].河北大学.2019
[8].孙颖异,李健,孙中波,王增辉.求解无约束优化问题的两类修正的WYL共轭梯度方法[J].应用数学.2019
[9].左双勇,王祥玲,朱志斌.一种求解非线性约束优化问题的无罚函数无滤子的方法[J].数学的实践与认识.2019
[10].胡文君,周溪召.一个基于无约束优化方法的交通组合模型[J].重庆交通大学学报(自然科学版).2019