论文部分内容阅读
本论文所研究的的问题是如何寻找函数空间中目标函数的全局最优点和全局最优值。基于工程和技术等各个领域的迫切需要,求解全局最优解已变得十分重要。但以往很多研究最优解的理论和方法往往都建立在梯度的框架上,这导致了这些理论和方法只适用于可微目标函数的局部最优解问题。而此文将使用一种由郑权教授提出的用来处理连续或非连续目标函数的非凸的最小值问题的理论和算法——积分型总极值方法;并将探讨如何用它来解决函数空间中的最优化问题。
众所周知,对于函数空间中的目标函数,人们往往很难直接得到最小化问题的精确数值解,只能找到它们的近似解。因此,本文将着重讨论如何用有限维的全局最优解来逼近无限维空间中的全局最优解,所用的方法是变测度意义下的积分总极值方法。通过定义m-均值和v-方差,经过论证,给出了全局最优性条件和算法。而对于有约束的目标函数,我们将使用不连续的罚函数,使有约束问题转化为无约束问题,然后再用变测度的方法求解。同样还将给出有约束问题的全局最优性条件和算法实例。
第一章:绪论介绍研究全局最优化问题的历史、发展和趋势。
第二章:概述——积分总极值方法简要介绍有限维空间中的积分总极值方法的思想和模型。
第三章:积分总极值方法的最优性条件定义了在有限维空间中的m-meanvalue和v-variance,并给出了相应的最优性条件。
第四章:变测度的积分总极值方法讨论了在无限维空间中,如何用有限维子空间的全局最优值去逼近无限维空间中的全局最优值。引用了Q-测度收敛和变测度的概念,定义了在此概念下的m-均值和v-方差,并推导出变测度意义下的最优性条件。同时还给出了算法,并验证了其收敛性。
第五章:变测度的罚函数积分型方法对于无限维空间中的有约束的问题,我们引入不连续罚函数的方法,使有约束问题化为无约束问题求解。
第六章:应用