基于D.C.分解的一类箱型约束的非凸二次规划的新型分支定界算法.docVIP

基于D.C.分解的一类箱型约束的非凸二次规划的新型分支定界算法.doc

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于D.C.分解的一类箱型约束的非凸二次规划的新型分支定界算法.doc

基于D.C.分解的一类箱型约束的非凸二次规划的新型分支定界算法   摘要提出了一类求解带有箱约束的非凸二次规划的新型分支定界算法.首先,把原问题目标函数进行D.C.分解(分解为两个凸函数之差),利用次梯度方法,求出其线性下界逼近函数的一个最优值,也即原问题的一个下界.然后,利用全局椭球算法获得原问题的一个上界,并根据分支定界方法把原问题的求解转化为一系列子问题的求解.最后,理论上证明了算法的收敛性,数值算例表明算法是有效可行的.   关键词非凸二次规划;箱约束;分支定界算法   中图分类号O 221文献标识号A   1引言   考虑下面带有箱约束的非凸二次规划(QPB)   其中: A是一个n×n阶实对称不定矩阵, l,u,b,x∈Rn,并且li≤xi≤ui, i = 1,···,n.   带有箱约束的二次规划,在工程领域中有非常广泛的应用[1?3].在解偏微分方程,线性最小二乘问题也时常遇到.另外,带有箱约束的二次规划在非线性规划中占有重要地位,其可看成连续二次规划方法中的子问题. (QPB)吸引了众多学者的研究.从复杂性来看, (QPB)是NP?Hard的[4]. Hansen等[5]研究了(QPB)的最优性必要条件; Yajima和Fujie[6]提出了一个多面体逼近方法; Le和Pham[7]提出一个基于D.C.规划和椭球技术相结合的分支定界算法. Vandenbussche和Nemhauser[8,9]用一类不等式作为割平面提出了一个分支定界算法,并且研究了多面体与在箱约束非凸二次规划中的一些应用. Vandenbussche[10]用半定松弛作为一个有限步的分支策略,针对求解箱约束非凸二次规划也是有效的.进一步了解该问题的一些求解方法可参见文献[11-13].   文中提出一种求解(QPB)的新型分支定界算法.新算法中涉及获得原问题(QPB)的下界,不同于文献[7]确定下界的方法,而是通过D.C.分解,利用次梯度方法,获得原问题的一个下界.之后,利用球约束二次规划的全局椭球算法(文献[7]中关于球约束二次规划的GDCABQ算法)得到原问题的一个上界.然后把可行域进行二分,转化为一系列类似(QPB)的子问题,通过分支定界算法,不断消减分支,逐步优化最优值,直至得到最优解.最后,对提出的新算法进行了收敛性分析,数值算例表明了算法是有效可行的.   例3考虑问题min f2(x) =1 2xTAx + bTx,s.t. l≤x≤u其中: A为n×n阶随机产生的实对称不定矩阵,其生成的方法是,利用matlab中的rand函数, tril函数及triu函数,产生一个在区间[?10,10]均匀分布的n阶实对称随机矩阵,然后选取主对角线上元素值有正有负的矩阵作为文中所需要实对称不定矩阵. b∈Rn是随机产生的向量, li,ui∈R,i = 1,···,n在实区间[0,10]上随机产生的.   例1、例2的计算结果参见表1,文献[14]是利用神经网络智能算法,通过随机产生100个初始点,有42次收敛到局部最优解(1,?1,?0.6667,1)T,对应的最优值为?10.8333.也就是说并非所有的初始点均能收敛到全局最优解(?0.6667,1,1,?1)T,而本文的算法每次均可收敛到全局最优解(?0.6667,1,1,?1)T.对应的全局最优值为?11.3333.例3的计算结果参见下面表2,对于例3的每种情况,我们做10次随机实验,然后取计算结果的平均值.从这些数值实验结果的比较可以看出,我们的方法是有效可行的.表1,表2中的算法[14],[11],[7]分别表示文献[14],[11],[7]中的算法.   参考文献   [1] Bajirov A M, Rubinov A M. Global optimization of marginal functions with applications to economic equilibrium. Journal of Global Optimization, 2001, 20(3-4): 215-237.   [2] Konnoc H. Portfolio optimization problem under concave transaction costs and minimal transaction unit constraints. Mathematical Programming, 2001, 89(2): 233-250.   [3] Sherali H D, Smith E P. A global optimization approach to a water distribution network design proble

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档