非線性優(yōu)化的混合算法及其應(yīng)用.pdf

1、在自動控制、通訊、航空與航天等科學(xué)領(lǐng)域中，常常會遇到參數(shù)估計的問題。目前對時間序列模型中的ARMA模型參數(shù)估計常用的方法有矩估計法、最小二乘估計法、最小方差估計法、極大似然估計法、最大熵估計法等。近年來，研究者開始應(yīng)用人工智能技術(shù)來解決這個問題，神經(jīng)網(wǎng)絡(luò)方法和遺傳算法逐漸成為研究熱點。但是將其應(yīng)用到時間序列模型的參數(shù)估計中存在著很大的缺陷，主要表現(xiàn)在局部尋優(yōu)能力差、收斂速度慢精度不高、擬合模型不顯著等方面。而最小二乘法一直是人們青睞的方

2、法，但在迭代過程中容易變成奇異矩陣。從而使算法失效，無法最終獲得參數(shù)估計值。此外，即使在迭代計算中矩陣都是非奇異的，也保證不了算法是下降的，特別是初始點遠離極小點時，算法可能發(fā)散。
　　文中首先給出了基于信賴域算法的TR-BFGS-GN法，新算法精度高，計算速度快，且具有全局收斂性，避免了上述弊端。之后，文中又給出了ARMA模型參數(shù)估計的HY-ND-TR算法，主要是基于時間序列最普遍的模型（ARMA模型），對其中的參數(shù)進行估計，即