一类非线性极大极小问题的极大熵社会认知算法  

Maximum entropy social cognitive optimization algorithm for a class of nonlinear minimax problems

作　　者：雍龙泉[1] 孙培民[2] 张建科[3] 

机构地区：[1]陕西理工学院数学系,陕西汉中723001 [2]平顶山工业职业技术学院计算机系,河南平顶山467001 [3]西安邮电学院应用数理系,西安710061

出　　处：《计算机工程与应用》2010年第26期36-37,42,共3页Computer Engineering and Applications

基　　金：陕西省教育厅自然科学研究项目(No.09JK381)

摘　　要：针对一类非线性极大极小问题目标函数非光滑的特点给求解带来的困难,利用社会认知算法并结合极大熵函数法给出了此类问题的一种新的有效算法。首先利用极大熵函数将原问题转化为一个光滑无约束优化问题,然后利用社会认知算法对其进行求解。该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性以及智能性从而完成对目标的优化。数值结果表明,该算法收敛快,数值稳定性好,是求解非线性极大极小问题的一种有效算法。Concerning the fact that the objective function of a class of nonlinear minimax problems is non-smooth caused difficulty in solving this problem, a new algorithm is proposed.This algorithm uses social cognitive optimization algorithm with maximum entropy function method.Firstly,the maximum entropy function is used to transform the minimax problems into unconstrained differentiable optimization problem,then using the social cognitive optimization algorithm to solve this problem.The algorithm is based on social cognitive theory,through a series of learning agents to simulate human social and intelligent thereby completing the optimization of the target.The numerical results show that the algorithm converges faster and has numerical stability,and it is an effective algorithm for nonlinear minimax problems.

关 键 词：社会认知算法 极大极小问题 极大熵方法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]