单调优化的一种新凸化和凹化方法

提出了一个新的凸化、凹化变换,并证明了单调非线性规划总能变换成相应的凹极小化问题或反凸规划或标准D.C规划问题,再利用已有的关于这些规划问题求全局最优解的方法,可以求得原问题的全局最优解.     

非凸全局最优化的一种凸化、凹化方法

给出了一种凸化、凹化变换,将一个严格单调函数转化为一个凸或凹的函数;给出了一种凸化和凹化变换,在约束函数都是单调递减时,将一个既不单调凸也不是单调凹的目标函数转化为一个凸和凹函数;最终,将原始问题转换成一个凹极小问题或反凸规划问题来求得其最优解.     

单调优化的一种新的凸化、凹化方法

单调优化是指目标函数与约束函数均为单调函数的全局最优化问题.本文对严格单调函数提出一种新的凸化、凹化方法,进而将单调优化问题转化为等价的凹极小问题或反凸规划或标准D.C.规划问题.     

一类非线性规划问题的凹化

我们将一个非线性规划问题转化为等价的凹极小问题、或反凸规划问题或标准DC规划问题的方法称为非线性规划问题的凸化、凹化方法．非线性规划的凸化、凹化方法是全局极小化问题中的一种比较有效的方法之一．本文将对一般的一类约束函数单调而目标函数非单调的非线性规划问题给出其目标函数的一个凹化方法．     

非线性规划的一种新的凸化、凹化变换

给出了非线性规划问题的目标函数的一个新的指数型凸化、凹化变换公式.     

一类全局优化问题的新的凸化、凹化法

对于目标函数非凸非凹,而约束函数具有凹、凸性的非线性规划问题,本文提出了一种新的凸化凹化法。把目标函数直接凸化、凹化,再把原问题转化为反凸规划问题或极小化问题或标准D.C.规划问题,从而求得原问题的全局最优解。     

非线性规划的单调化方法

对一类约束函数单调而目标函数非单调的非线性规划问题,给出了将其目标函数单调化的一种方法.通过这些方法可将这类非凸非单调的非线性规划问题转化为等价的单调规划问题,进而再利用已有的关于单调函数的凸化、凹化方法,可将其转化为等价的凹极小问题、或反凸规划问题或标准D.C.规划问题,再利用已有的关于这些规划问题求全局极小点的方法,可以求得原问题的全局极小点.     

基于一种新的γ-扩张凹极小化问题的割平面算法

首先,介绍凹极小化问题的有关内容及割平面算法的思想.然后,给出一种变上限函数积分法,并利用该积分法来求解凹极小化过程中γ-扩张的γ数.新算法在有限步内得到原问题的一个近似最优解,且算法的近似最优解为全局最优解.最后,通过数值试验证明了新算法是可行有效的。     

求解一类非线性规划问题的新途径

给出了一类约束函数单调而目标函数非单调的非线性规划问题的一种新的求解方法。首先给出了将其目标函数单调化的一种方法，然后．通过这个方法将这类非线性规划问题转化为等价的单调规划问题，进而利用已有的关于单调函数的凸化、凹化方法，可将其转化为等价的凹极小问题或反凸规划问题以及标准DC规划问题．再利用已有的关于这些规划问题求全局极小点的方法，可以求得原问题的全局极小点。     

次凹函数和正态分布随机机会约束规划的凸性研究

本文以次凹函数为工具,研究了正态分布随机机会约束规划的凸性问题,得到了若干凸性命题.     

A Piecewise Linear Programming Algorithm for Sparse Signal Reconstruction

In order to recover a signal from its compressive measurements, the compressed sensing theory seeks the sparsest signal that agrees with the measurements, which is actually an l_0 norm minimization problem. In this paper, we equivalently transform the l_0 norm minimization into a concave continuous piecewise linear programming,and propose an optimization algorithm based on a modified interior point method. Numerical experiments demonstrate that our algorithm improves the sufficient number of measurements, relaxes the restrictions of the sensing matrix to some extent, and performs robustly in the noisy scenarios.     

不等式约束优化问题的一个精确增广拉格朗日函数

给出了求解只带有不等式约束非线性规划问题的一个连续可微精确增广拉格朗日函数法,并讨论了它的精确性质.该方法的主要特点是:在适当的假设下,通过对这个增广拉格朗日函数在原问题变量和乘子变量的积空间上进行一个单一的无约束极小化,即可获得原约束问题的解,从而可以有效地使用标准的无约束极小化方法求解不等式约束非线性规划问题.     

Fuzzy数学规划求解的约束域分割法

对模糊数学规划的目标函数取大∨与取小∧的问题，给出了一种求解方法——约束域分割法，此法对约束集凹集的数学规划问题亦有效。     

基于改进的动态聚类算法的配送车辆调度研究

研究了物流配送车辆调度优化问题,建立了以所需车辆数最少为第一目标,以车辆总行程最短为第2目标的双目标优化模型.把问题分成2阶段进行求解,第1阶段用改进的动态聚类算法分派车辆的配送任务,第2阶段用动态规划方法求出车辆的行车路线;实例证明,算法有效降低问题的复杂性,使问题在合理的时间内得到满意解,模型和算法均具有较大的推广意义.     

基于SVM的分类算法与聚类分析

运用结构风险最小化原理和聚类原理，将支持向量机中有监督的分类算法与统计中无监督的聚类算法有机地结合起来。对线性可分与线性不可分两种情况分别建立了无监督的分类模型，模型的求解转化为一个二次规划问题。同时此模型也适合于多分类情况，在应用到心脏病的医疗诊断中，准确率为88．5％，较以前的方法有了明显的提高。