无约束多目标优化的记忆梯度法

无约束多目标优化的记忆梯度法

ID:46310910

大小:762.42 KB

页数:4页

时间:2019-11-22

无约束多目标优化的记忆梯度法_第1页
无约束多目标优化的记忆梯度法_第2页
无约束多目标优化的记忆梯度法_第3页
无约束多目标优化的记忆梯度法_第4页
资源描述:

《无约束多目标优化的记忆梯度法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第23卷第3期运筹与管理Vol.23,No.32014年6月OPERATIONSRESEARCHANDMANAGEMENTSCIENCEJun.2014无约束多目标优化的记忆梯度法范开林,徐尔(北京科技大学数理学院,北京100083)摘要:基于无约束单目标记忆梯度法,本文提出了一种无约束多目标优化问题的记忆梯度法,并证明了算法在Armijo线性搜索下的收敛性。数据试验结果验证了该算法的有效性。关键词:多目标优化;记忆梯度法;Armijo线性搜索;Pareto-临界点中图分类号:O221.6文章标识码:A文章编号:1007-3221(2014)03-

2、0045-04MemoryGradientMethodforMultiobjectiveProgrammingwithoutConstraintsFANKai-lin,XUEr(Dept.ofMathematics&Mechanics,BeijingUniversityofScience&Techonlogy,Beijing100083,China)Abstract:Basedonthememorygradientmethodsforunconstrainedoptimizationproblems,wepresentamemorygradient

3、methodformultiobjectiveprogrammingwithoutconstraints,andproveitsconvergenceunderArmijolinesearch.Numericalresultsshowthattheproposedmethodisefficient.Keywords:multiobjectiveprogramming;memorygradientmethod;armijolinesearch;paretocritical0引言本文考虑下列无约束多目标优化问题:n(MOP)minF(x)=(f1(x)

4、,f2(x),⋯,fp(x)),x∈Rnpp×nT其中F(x):R硳R为连续可微函数。设F(x)在x点的Jacobi矩阵JF(x)∈R,其JF(x)=(磹f1,磹f2,⋯,磹fp)。在多目标规划问题中,不再使用单目标问题中最优解的概念,而是使用有效解(即Pareto最优解)的概念。文献[1]给出了Pareto-临界点的定义。基于此定义,文献[2]给出了多目标优化的最速下降方向。np定义1点x∈R称为问题(MOP)的Pareto-临界点,是指满足range(JF(x))∩(-R++)=矱。nnp定义2对于给定的点x∈R,设A=JF(x),定义函数f:

5、R硳R,fx(v)=max{(Av)l|l=1,2,⋯,p}。考虑下面的无约束最小值问题(P)12minfx(v)+‖v‖2ns.t.v∈R根据文献[2],可求得其最优解v(x)和最优值α(x)。文献[3]提出了一种单目标优化记忆梯度法,在每步迭代中,除利用当前的迭代信息外,还用到前面若干迭代信息,这种算法无需计算二阶导数,又因增加了参数选择的自由度,具有较好的收敛性质。本文[2]在文献[3]的基础上,结合多目标优化最速下降算法给出了多目标的记忆梯度法,并证明了算法的收敛性。收稿日期:2012-11-17作者简介:范开林(1987-),男,山东临沂

6、人,硕士研究生,主要研究方向:运筹理论及应用;徐尔(1961-),女,北京人,副教授,主要研究方向:运筹理论及应用。46运筹与管理2014年第23卷1算法及其性质n1取常数σ∈(0,1),初始点x0∈R和参数m∈R++,n∈R++.置k=0,定义J={n|n=0,1,⋯}.2(1)若α(xk)=0,停止迭代。否则转第2步。vkk=0(2)按下列公式计算dk;dk=1m。vk+∑βkidk-ik≥1mi=1记vk=v(xk),dk=d(xk).T其中取βki=-fx(vk)/ψki,ψki=max{磹fj(xk)dk-i+‖磹fj(xk)‖‖dk-i

7、‖+n}。k1≤j≤p1(3)计算搜索步长tk,其中tk∈J={n|n=0,1,⋯}中满足下式的最大者,F(xk+tkdk)≤F(xk)+2σtkJF(xk)dk。(4)置xk+1=xk+tkdk,k=k+1,转至第1步。下面证明算法的两个性质:nn引理1(1)点xk是Pareto-临界点,则v(xk)=0∈R,α(xk)=0,d(xk)=0∈R。(2)点xk不是Pareto-临界点,则α(xk)<0并且当k≥1时,有T1T磹fj(xk)dk≤磹fj(xk)vk<0,(j=1,2,⋯,p)(1)2证明由文献[2]的引理1和dk的迭代公式易证,此略。

8、引理2若xk是非临界点,则对橙k≥1,有1T‖dk‖≤‖vk‖-·(磹fj(xk)dk),(j=1,2,⋯,p)‖磹fj(

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。