摘要：为了更好地将模拟退火算法应用于三相异步电动机优化设计中,本文分析了模拟退火算法的优点和局限性,针对其搜索过程慢的缺点,提出了改进模拟退火算法的思路和具体实现方法,并通过两个经典数学函数检验了新算法的性能。在此基础上,将改进模拟退火算法应用于三相异步电动机优化设计中分别以有效材料成本最小和效率最高为目标进行了优化设计。结果表明,在不改变电动机的结构设计和制造工艺的情况下,基于改进模拟退火算法的优化设计能显著减小材料成本和提高电动机效率,具有工程实用价值。

摘要：目的压缩感知信号重构过程是求解不定线性系统稀疏解的过程。针对不定线性系统稀疏解3种求解方法不够鲁棒的问题:最小化l_0-范数属于NP问题,最小化l_1-范数的无解情况以及最小化l_p-范数的非凸问题,提出一种基于光滑正则凸优化的方法进行求解。方法为了获得全局最优解并保证算法的鲁棒性,首先,设计了全空间信号l_0-范数凸拟合函数作为优化的目标函数;其次,将n元函数优化问题转变为n个一元函数优化问题;最后,求解过程中利用快速收缩算法进行求解,使收敛速度达到二阶收敛。结果该算法无论在仿真数据集还是在真实数据集上,都取得了优于其他3种类型算法的效果。在仿真实验中,当信号维数大于150维时,该方法重构时间为其他算法的50%左右,具有快速性;在真实数据实验中,该方法重构出的信号与原始信号差的F-范数为其他算法的70%,具有良好的鲁棒性。结论本文算法为二阶收敛的凸优化算法,可确保快速收敛到全局最优解,适合处理大型数据,在信息检索、字典学习和图像压缩等领域具有较大的潜在应用价值。

摘要：给出了一种适用于一般数据集的有理保形插值函数，其在每个子区间上是一个不超过三次的有理多项式，在整个区间上是Ｃ２连续的。Ｓ（Ｘ）可保持数据集的凸凹性和揭点性质以及局部单调性。在满足保形性和Ｃ２连续性的前提下，Ｓ（Ｘ）在插值节点处的一阶导数可在一定范围内自由选取，因而，可利用其调整插值曲线的形状，以获得最佳设计效果；也可以利用其满足其他要求，如可选取Ｓ（ｘ）在节点处的一阶导数值，使其在任何情况下都可保证与被插函数在节点处的一阶导数有较高的逼近阶，从而使Ｓ（ｘ）与被插函数有较高的逼近阶。本文中构造有理Ｃｅ保形插值的算法简单，计算量极小，优于现有文献中的保形插值算法。

摘要：在高校成本层次分类的基础上,建立了生均成本测算的一般模型,针对教育成本投入过程中因学生人数随机变化而存在的风险,引进教学质量函数,提出了办学效益和教学质量的双目标优化模型.利用凸分析和优化原理得到优化问题解的存在性,全部正解的β取值范围以及最优解满足的充要条件,对最优解的定量计算给出了基于Monte Carlo模拟的遗传算法设计,并进行了相应的经济意义分析.

摘要：针对机械工程中常见的中、小优化设计问题．对非西规划算法作一探讨．提出以局部最小解为初值的逼近迭代和考虑约束条件的坐标轮换的求解策略，构造导优控制方式，对非凸规划局部极小解寻优．同时根据曲柄存在条件、行程速比系数、传动角和最大行程等运动参数，对曲柄滑块机构作一优化设计．并结合优化计算结果对控制寻优求解策略的有效性作一讨论．

摘要：本文就结构优化设计中的疑难问题——如何判定局部最优与全局最优解的问题,介绍了一些解决方法,即通过对一些重要的非凸问题的讨论证明了其凸性的存在,一旦被考虑问题己知是凸规划问题,则全局最优解就一定能实现。

摘要：开放式教学模式,对于培养学生的自学能力,培养学生提出问题及最终解决问题的能力有着巨大的作用。如何设计开放式教学,是每一位老师都应该思考的问题。对下凸函数内容的开放式教学模式的设计,可以充分体现开放式教学的教学过程及特点。

摘要：所谓新概念题,就是指在现有概念和运算律的基础上定义的一种新的概念或新的运算.新概念型题设计思想开阔,情景新颖脱俗,不是以知识为中心,而是以问题为中心。

摘要：对经济主体的主要风险控制方案和损失模型作了研究 ,给出了风险自留、采取安全防护措施、购买保险转移风险、购买保险同时采取安全防护措施、购买免赔额保险和购买免赔额保险并采取安全防护措施等 6种风险控制方案的损失函数和损失效用函数。证明了损失函数为凸函数 ,存在风险最优控制策略。在此基础上设计了随机仿真过程模型 ,实例的实际运行表明 。

摘要：This paper concerns a design methodology for analog circuit problems, which is based on formulating the problem as a multi-objective geometric program (GP). Multiple objectives are combined into a scalar objective thru certain convex functions and thus can be solved using regular GP algorithms. In contrast to single-objective optimization, simultaneous consideration of all objectives yields a compromising solution among objectives. By varying individual objective s weight factor, a Pareto (or trade-off) curve can be constructed, providing designers with a useful decision-making information.