×
邱彬彬;张宇农;郭金进;杨志;李晓东

新的五步DTZD算法，用于四次稳态误差模式下的未来非线性最小化。 （英语） Zbl 1435.65096号

数字。算法 81，第3期，1043-1065（2019）.
摘要：针对在线未来非线性最小化（OFNM），即在线离散时间动态非线性最小化，本文提出并研究了一种新的五步离散时间归零动力学（DTZD）算法，该算法是从连续时间归零动态（CTZD）模型离散化而来的。为了更准确地逼近一阶导数并更有效地离散CTZD模型，提出了一个精度更高的六节点立方体离散化（6N）CD公式，以获得新的五步DTZD算法。此外，相应的理论结果表明，所提出的五步DTZD算法具有四次稳态误差模式，即（O）（（g）4）模式，其中（g）表示采样间隙。此外，应用一般线性多步方法构造了一种通用的DTZD算法，并针对OFNM进一步发展了一种基于四阶Adams-Bashforth方法的特定DTZD方法（简称DTZD-AB算法）。通过几个数值实验，与之前开发和研究的一步和三步DTZD算法相比，验证了所提出的五步DTZD-AB算法（以及DTZD-AB算法）解决OFNM问题的有效性、准确性和优越性。

引用于8文件

MSC公司：

65千5 数值数学规划方法
90立方 非线性规划

关键词：

六节点立方体离散化{N} 克\mathrm{CD}）\）公式;离散时间归零动力学（DTZD）;五步DTZD算法;在线未来非线性最小化（OFNM）;四次稳态误差模式
PDF格式BibTeX公司 XML格式引用
\textit{B.Qiu}等人，数字。算法81，No.3，1043--1065（2019；Zbl 1435.65096）
全文： 内政部

参考文献：

[1] Nocedal，J.，Wright，S.J.：《数值优化》，第二版。施普林格，纽约（2006）·Zbl 1104.65059号
[2] Boyd，S.，Vandenberghe，L.：凸优化。纽约剑桥大学（2004）·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441
[3] Cheng，L.，Hou，Z.-G.，Lin，Y.，Tan，M.，Zhang，W.C.，Wu，F.-X.：非光滑凸优化问题的递归神经网络及其在遗传调控网络识别中的应用。IEEE传输。神经网络。22, 714-726 (2011) ·doi:10.1009/TN.2011.2109735
[4] Miao，P.，Shen，Y.，Li，Y.和Bao，L.：用于解决非线性优化问题的有限时间递归神经网络及其应用。神经计算177，120-129（2016）·doi:10.1016/j.neucom.2015.11.014
[5] Jin，L.，Li，S.，La，H.M.，Luo，X.：使用动态神经网络对冗余机械手进行可操作性优化。IEEE传输。Ind.Electron公司。64, 4710-4720 (2017) ·doi:10.1010/TIE.2017.2674624
[6] Wang，F.-S.，Jian，J.-B.，Wang，C.-L.：无约束优化问题的模型混合方法。数字。算法66，741-759（2014）·Zbl 1300.65043号 ·doi:10.1007/s11075-013-9757-0
[7] Yue，L.，Yang，Y.：无约束全局优化的一种新的积分滤波算法。数字。算法63，419-430（2013）·Zbl 1272.65055号 ·doi:10.1007/s11075-012-9630-6
[8] Ahookhosh，M.，Amini，K.：无约束优化问题的具有自适应半径的非单调信赖域方法。计算。数学。申请。60, 411-422 (2010) ·Zbl 1201.90184号 ·doi:10.1016/j.camwa.2010.04.034
[9] Huang，S.，Wan，Z.，Chen，X.：一种新的无约束优化非单调线搜索技术。数字。算法68，671-689（2015）·Zbl 1309.90100号 ·doi:10.1007/s11075-014-9866-4
[10] Wang，J.，Zhu，D.：无导数无约束优化的无线搜索技术的共轭梯度路径法。数字。算法73，957-983（2016）·Zbl 1355.49030号 ·doi:10.1007/s11075-016-0124-9
[11] Tan，M.：时变系数时滞模糊细胞神经网络的指数收敛性和稳定性。J.控制理论应用。9, 500-504 (2011) ·Zbl 1257.92005年 ·doi:10.1007/s11768-011-8146-2
[12] Zhang，Y.，Xiao，L.，Ruan，G.，Li，Z.：时变四次寻根的连续和离散时间Zhang动力学。数字。算法57，35-51（2011）·Zbl 1215.65090号 ·doi:10.1007/s11075-010-9410-0
[13] Jin，L.，Zhang，Y.，Qiu，B.：在噪声环境中基于神经网络的高精度离散时间Z型模型，用于求解动态线性方程组。神经计算。申请。1217-1232年12月29日（2018年）·doi:10.1007/s00521-016-2640-x
[14] Zhang，Y.，Yi，C.，Guo，D.，Zheng，J.：Zhang神经动力学和基于梯度的神经动力学在线求解非线性时变方程的比较。神经计算。申请。20, 1-7 (2011) ·doi:10.1007/s00521-010-0452-y
[15] Xiao，L.：一个非线性激活的神经动力学模型及其非平稳系数等式约束二次优化的有限时间解。申请。软计算。40, 252-259 (2016) ·doi:10.1016/j.asoc.2015年1月102日
[16] Stanimirović，P.S.，živković，I.S.，Wei，Y.：用于计算Drazin逆的递归神经网络。IEEE传输。神经网络。学习。系统。26, 2830-2843 (2015) ·doi:10.1109/TNNLS.2015.2397551
[17] Xiao，L.，Liao，B.：一种收敛加速的Zhang神经网络及其在Lyapunov方程中的求解应用。神经计算193，213-218（2016）·doi:10.1016/j.neucom.2016.02.021
[18] Chen，K.，Yi，C.：在线矩阵反演递归神经动力学混合的鲁棒性分析。申请。数学。计算。273, 969-975 (2016) ·Zbl 1410.65078号
[19] Wang，X.-Z.，Ma，H.，Stanimirović，P.S.：计算W加权Drazin逆的递归神经网络。申请。数学。计算。300, 1-20 (2017) ·Zbl 1411.65064号
[20] Stanimirović，P.S.，Petković，M.D.：求解矩阵方程的梯度神经动力学及其应用。神经计算306200212（2018）·doi:10.1016/j.neucom.2018.03.058
[21] Liu，Y.-J，Tong，S.，Li，D.-J，Gao，Y.：一类具有输入约束的非线性离散时间系统的带状态观测器的模糊自适应控制。IEEE传输。模糊系统。24, 1147-1158 (2016) ·doi:10.1109/TFUZZ.2015.2505088
[22] 王，H.，刘，X.，刘，K.：一类随机非线性互联系统的鲁棒自适应神经跟踪控制。IEEE传输。神经网络。学习。系统。27, 510-523 (2016) ·doi:10.1109/TNNLS.2015.2412035
[23] Na，J.，Chen，Q.，Ren，X.，Guo，Y.：带摩擦补偿的伺服机构的自适应规定性能运动控制。IEEE传输。Ind.Electron公司。61, 486-494 (2014) ·doi:10.1109/TIE.2013.2240635
[24] Liu，Q.，Cao，J.：求解线性约束下二次规划问题的离散时间递归神经网络的全局指数稳定性。神经计算74、3494-3501（2011）·doi:10.1016/j.neucom.2011.06.003
[25] Li，S.，Li，Y.：用于求解时变复杂Sylvester方程的非线性激活神经网络。IEEE传输。赛博。44, 1397-1407 (2014) ·doi:10.1109/TCYB.2013.285166
[26] Miao，P.，Shen，Y.，Huang，Y.，Wang，Y.-W.：基于有限时间Zhang神经网络的时变二次规划求解及其在机器人跟踪中的应用。神经计算。申请。26, 693-703 (2015) ·doi:10.1007/s00521-014-1744-4
[27] Sun，J.，Wang，S.，Wag，K.：一组具有时变系数矩阵的线性矩阵不等式的Zhang神经网络。Inf.Process。莱特。116, 603-610 (2016) ·Zbl 1362.93066号 ·doi:10.1016/j.ipl.2016.04.014
[28] Zhang，Y.，Li，Z.，Guo，D.，Ke，Z.，Chen，P.：求解非线性时变方程的离散时间ZD、GD和NI。数字。算法64721-740（2013）·Zbl 1296.65075号 ·doi:10.1007/s11075-012-9690-7
[29] Zhang，Y.，Xiao，L.，Xiaon，Z.，Mao，M.：归零动力学，梯度动力学和牛顿迭代。佛罗里达州CRC出版社（2015）·Zbl 1366.37003号 ·doi:10.1201/b19216
[30] Petković，M.D.，Stanimirović，P.S.，Katsikis，V.N.：计算时变矩阵逆和伪逆的改进离散迭代。神经计算289，155-165（2018）·doi:10.1016/j.neucom.2018.02.005
[31] Stanimirović，P.S.，Srivastava，S.，Gupta，D.K.：从Zhang神经网络到标度超幂迭代。J.计算。申请。数学。331, 133-155 (2018) ·Zbl 1377.65044号 ·doi:10.1016/j.cam.2017.09.048
[32] Wang，X.-Z.，Stanimirović，P.S.，Wei，Y.：计算时变复外逆的复ZF。神经计算275，983-1001（2018）·doi:10.1016/j.neucom.2017.09.034
[33] Guo，D.，Zhang，Y.：非线性优化的神经动力学和Newton-Raphson迭代。ASME J.计算。非线性动力学。9, 021016 (2014) ·数字对象标识代码：10.1115/1.4025748
[34] Jin，L.，Zhang，Y.：实时变化非线性优化的连续和离散Zhang动力学。数字。算法73，115-140（2016）·Zbl 1351.65036号 ·doi:10.1007/s11075-015-0088-1
[35] Guo，D.，Lin，X.，Su，Z.，Sun，S.，Huang，Z.:时变非线性最小化的两种离散时间ZD算法的设计和分析。数字。算法77，23-36（2018）·Zbl 1382.65174号 ·文件编号：10.1007/s11075-017-0302-4
[36] Jin，L.，Zhang，Y.：用于时变矩阵伪逆的o（τ3）模式离散时间Zhang神经网络及其在机械手运动生成中的应用。神经计算142165-173（2014）·doi:10.1016/j.neucom.2014.04.051
[37] Zhang，Y.、Jin，L.、Guo，D.、Yin，Y.和Chou，Y.：用于一阶导数逼近和ZNN离散化的Taylor型一步头数值微分规则。J.计算。申请。数学。273, 29-40 (2015) ·Zbl 1295.65030号 ·doi:10.1016/j.cam.2014.05.027
[38] Liao，B.，Zhang，Y.，Jin，L.：动态等式约束二次规划ZNN模型的Taylor o（h3）离散化及其在机械手中的应用。IEEE传输。神经网络。学习。系统。27225-237（2016）·doi:10.10109/TNNLS.2015.24535014
[39] Zhao，Y.，Swamy，M.N.S.：跟踪时变最小值的新技术及其应用。摘自：《第十一届加拿大电气和计算机工程会议记录》，第910-913页（1998年）
[40] Zhao，Y.，Feng，C.B.：信息处理的时间相关优化及其应用（i）基本概念和系统识别。东南大学学报29，92-97（1999）·Zbl 1041.93505号
[41] Guo，D.，Nie，Z.，Yan，L.：求解时变非线性方程的新型三步DTZD算法的理论分析、数值验证和几何表示。神经计算214516-526（2016）·doi:10.1016/j.neucom.2016.06.032
[42] Mathews，J.H.，Fink，K.D.：使用MATLAB的数值方法，第4版。新泽西州普伦蒂斯·霍尔（2004）
[43] Suli，E.，Mayers，D.F.：数值分析导论。剑桥大学出版社，牛津（2003）·Zbl 1033.65001号 ·doi:10.1017/CBO9780511801181
[44] Griffiths，D.F.，Higham，D.J.：常微分方程的数值方法：初值问题。英国施普林格（2010）·Zbl 1209.65070号 ·doi:10.1007/978-0-85729-148-6
[45] Butcher，J.C.：常微分方程的数值方法，第2版。威利，纽约（2008）·Zbl 1167.65041号 ·doi:10.1002/9780470753767
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。