多目标电网规划的一般最优化模型

针对现有电网规划中难以很好综合考虑经济性和可靠性的问题，在对电网规划进行数学描述的基础上，以供应方开发成本最小和需求方缺电成本最小为目标函数，提出了多目标电网规划的一般最优化模型，并直接在算法的寻优过程体现该最优化模型．同时以改进的混合遗传模拟退火算法为求解工具，来解决该多目标电网规划问题．算例证明了该模型的有效性．     

多目标整数规划中的遗传算法

以下料问题为例建立了多目标整数规划的数学工业描述了用遗传算法求解多目标整数规划问题的方法。这种算法较圆满的解决了既费用又考虑需求的下料问题，具有广阔的应用价值。     

基于进化规划的网络多目标路由算法

多目标路由问题要求极小化网络带宽资源消耗 ,它与图论中 NP完全的 Steiner问题等价 ,不存在多项式时间算法 ,只能采用近似算法或启发式算法 .进化算法是一类有效求解优化问题的新算法 .应用进化算法中的进化规划方法 ,求解 Steiner问题 ,提出了一种新的多目标路由算法 .仿真结果显示 ,该算法性能高于启发式方法     

基于多目标粒子群优化算法的输电网规划

输电网规划是一个离散型、非线性、多目标的混合整数规划问题,难于求解.提出一种多目标粒子群优化算法用来求解输电网规划问题.在输电网规划模型中考虑了建设投资费用、运行费用及网损费用等3方面的因素.多目标粒子群优化算法基于Pareto支配关系来更新粒子的个体极值,并采用了精英归档技术,粒子的全局极值由档案库中的非劣解提供.使用Matlab7.1对Garver-6节点系统进行仿真计算,结果表明:与传统的单目标遗传算法相比,多目标粒子群优化算法获得的规划方案总费用更低,该方法可以提高输电网规划的经济性水平.     

双层多目标规划问题的Pareto有效解

研究双层多目标规划问题，提出了“双级Ｐａｒｃｔｏ有效解”和“带权数双级Ｐａｒｃｔｏ有效解”的概念，建立了对应的最优性条件．利用这些条件，我们可以设计求解双层多目标规划问题的算法．     

关于目标规划的一个注记

本文指出，用图解法求解“某一优先级下有两个或两上以上不同的权系数”这一目标规划问题的一些文献中，其观战和方法不妥之处，然后用实例对此问题进行了分析，并提出了改进的建议。     

基于遗传算法的多目标规划的求解

文章用遗传算法求解了一道数学建模竞赛题,并与其它算法进行了比较,体现了遗传算法解决多目标优化问题的优越性．     

多目标0－1线性规划的交互式算法

提出一个求解多目标０－１线性规划问题的交互式算法，并分析了该算法的特点，即有很强的搜索功能和很宽的适用范围，最后将此算法用于实际，得到了满意的结果。     

基于图论和多目标规划的兵力机动路线优化

研究在最短时间和最大生存概率等两重目标约束下的兵力机动路线优化问题。首先介绍最短路问题的数学模型及D ijkstra算法,然后将求最大生存概率路目标约束转化为求最短路问题,随之建立多目标规划模型,并描述了用STEM算法进行求解的过程。最后用实例验证了模型和算法的可用性。     

电网规划的多目标模糊优化方法

建立了一个用于电网规划的多目标优化模型。模型中同时计及了规划方案的经济性和可靠性双重目标。通过对各目标实现程度的隶属函数进行定义,将多目标优化问题转变成模糊规划问题进行求解。最后,本文还给出了我国某城市电网规划的计算结果,证明了所提模型及算法的可行性。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

Kar markar算法与分式线性规划

本文将求解线性规划的Ｋａｒｍａｒｋａｒ算法推广至分式线性规划；给出了两种求解分式线 性规划的算法，其计算步数的界均为Ｏ（），其中Ｌ是问题数据的输入长度，ｎ为问 题的变量数目；改进了 Ｋｈａｃｈｉｙａｎ １９８０年所得的结果。     

A novel algorithm of artificial immune system for high-dimensional function numerical optimization

Artificial immune system has become a researchhot spot after the neural network, fuzzy logic andevolutionary computation[1,2]. Clone means propagat ing asexually so that a group of genetically identicalcells can be descended from a single common ances tor, such as a bacterial colony whose members arisefrom a single original cell as the result of binary fis sion. The idea has been extensively applied in somefields like computer programming[3,4], system con trol[5], interactive para…     

基于遗传策略的DVD在线租赁模型优化

针对DVD在线租赁问题进行了研究．建立了刻画该问题的0-1整数规划（BIP）模型;在考虑到求解的精确性和即时性后,设计了相应的遗传算子,构造了基于遗传策略的求解算法,并将其与另两种求解方法进行比较,验证了该算法的可行性和有效性．     

A novel algorithm of artificial immune system for high-dimensional function numerical optimization

Based on the clonal selection theory and immune memory theory, a novel artificial immune system algorithm, immune memory clonal programming algorithm (IMCPA), is put forward. Using the theorem of Markov chain, it is proved that IMCPA is convergent. Compared with some other evolutionary programming algorithms (like Breeder genetic algorithm), IMCPA is shown to be an evolutionary strategy capable of solving complex machine learning tasks, like high-dimensional function optimization, which maintains the diversity of the population and avoids prematurity to some extent, and has a higher convergence speed.     

曲线拟合的目标规划方法

利用目标规划原理给出了一种曲线拟合的新方法。该方法不仅可以给出一个理想的拟合曲线，而且可以进行有效的数据分析，便于使用者进行决策和处理。     

动态规划模型中高维问题的降维法及疏密格子点法

当动态规划模型中的状态变量Sk 为高维时 ,求解时存在“维数灾”。本文介绍的降维法和疏密格子点法 ,采用增加计算机的运行时间来减少对内存的占用 ,可以有效地解决“维数灾”问题。     

带有非线性隶属函数的FLP问题的求解

带有非线性隶属函数(NLMF)的模糊线性规划(FLP)问题。通常是一个非线性规划(NLP)问题。本文利用“较大”、“较小”型隶属函数的特点,把求解原FLP问题最优解的过程化为求解一个参数线性规划(LP)问题及修正参数的交替迭代过程。通过构造不同的参数LP问题及修正参数的方法,得到了求解原问题的“试点法”和“收缩法”,在此基础上,综合得出兼有两法优点的“加速算法”,理论分析及实例都证明这些算法尤其是加速算法在求解带有非线性隶属函数的FLP问题时是有效的.     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.