线性视划鞍点算法原理与实际计算

阐述了线性规划鞍点算法原理与实际计算.讨论了在基不变条件下,算法的收敛性和迭代步长的选择问题.指出算法性质为q-线性收敛.鞍点算法软件与美国优化技术中心编制的内点算法软件PCx进行了比较,用两种算法计算网上NET LEB 的线性规划问题,公布了比较结果.线性规划鞍点算法已应用到石化企业的优化生产工作.     

混合型区间线性规划的求解

仅含不等式约束的区间线性规划的求解问题已有较好的算法。对含有等式约束的区间线性规划求解问题,现有的算法效率都不能令人满意,并会出现辅助问题没有可行解的问题。该文讨论既含不等式约束又含等式约束这种混合型区间系数线性规划的求解问题。利用问题的几何结构,提出了一种新的辅助问题,有效地降低了计算复杂性。并给出了辅助问题不可行时的处理方案。     

基于线性规划的一维DFT调制滤波器组设计

为了设计一维DFT调制滤波器组,采用一种线性规划算法将滤波器组的性能指标数学化为关于原型滤波器的乘积滤波器的函数,滤波器组的设计问题归结为一个以乘积滤波器为优化变量的线性规划问题.借助线性规划的求解方法,设计最优的乘积滤波器,通过因式分解求解原型滤波器.新算法避免了迭代算法对初值敏感的问题.仿真实验表明,相比于传统算法...     

求解有约束非线性规划的混合混沌算法

针对带有约束的非线性规划问题,提出了一种新的算法.首先把有约束的非线性规划转化为含有2个目标的无约束的优化问题,然后利用混沌优化算法和最速下降法来混合求解.数值计算结果显示,该算法是可行有效的.     

关于“单纯形法选择进出基变元的一个新准则”的计算效率

线性规划广泛应用于经济与管理的各个领域,单纯形法是求解线性规划实际问题非常有效的算法．对“单纯形法选择进出基变元的一个新准则”进行了分析,给出了详细的算法步骤,通过大规模的数值试验进一步揭示了该算法的计算效率．结果表明,这种改进的单纯形算法虽然在大部分问题上的迭代次数比经典的单纯形算法有所减少,但所耗费的计算时间却普遍增加,其计算效率随着问题规模的增大而不断下降．     

基于逐步降阶的线性规划的单纯形算法

为完善线性规划约束条件方面的基本理论,研究了一种高效的求解线性规划问题的算法.以区分最优松约束条件和最优紧约束条件为主线,利用线性规划,线性代数等数学理论,进行分析,并通过大量的数据实验进行验证.从理论上获得了最优紧约束条件一些性质及识别最优松约束条件的定理,提供了一种新的单纯形算法.数据试验和理论上表明,在求解大规模解线性规划问题时,利用新的求解算法,使得模型逐步降阶,能达到求解的高效率.     

二层线性规划问题的全局收敛算法

基于单纯形法提出了一种具有全局收敛性质的算法来求解该问题.在该方法中,用下层的Kuhn-Tucker条件代替下层问题,将原二层线性规划转化为传统的单层规划问题.之后利用下层规划对偶问题可行域的顶点将该单层规划转化为一系列线性规划问题,从而用单纯形法来求解这些线性规划来得到原二层线性规划问题的解.最后,用实例验证了该方法的可行性.     

二维LP问题的一个直接算法

针对求解二维线性规划问题的几何算法-图解法,给出了一个二维线性规划问题最优解的性质定理,得到了求解二维线性规划问题的一个直接的代数性算法。利用该算法,可得到一般性规划问题的加速算法,其迭代过程至少是按二维迭代的,迭代速度快于单纯形法。     

求解双层线性规划的优化算法

利用对偶理论，将求解双层线性规划问题转化为求解一个与之等价的单层问题，通过求解一系列线性规划问题，提出了一种求解双层线性规划局部最优解的算法，并举例说明了算法的求解过程。     

解非线性约束规划问题的新粒子群优化算法

给出非线性约束规划问题的一种新解法.首先把带约束的非线性规划问题转化成为2个目标的优化问题,在对搜索算子及各种参数进行合理设计的同时,提出了一种新粒子群优化算法(TS-MC),最后的数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

Biogeography based optimization-proximal point algorithm for nonlinear minimax problems

Concerning the discrete nonlinear minimax problems with the convex function as each of its components, a new method, called the biogeography based optimization-proximal point algorithm, is presented. By using maximum-entropy methods, the minimax problem is transformed into the unconstrained optimization problem of the smooth function. The algorithm employs the proximal point algorithm as the outer algorithm, and the biogeography based optimization as the internal algorithm. The proposed algorithm which resolves several minimax problems is global convergent. Preliminary numerical experiments show that the proposed algorithm is an effective algorithm for nonlinear minimax problems.     

全局组搜索优化算法及其应用研究

组搜索优化算法GSO(Group Search Optimizer)是一种基于动物捕食原理的新型群智能优化算法。本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(Global GSO)。主要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够解决复杂的实际问题。     

离散变量结构优化的改进组合型遗传算法

对离散组合型法进行改进,提出了一种新的初始点产生办法,提高了离散组合型法的局部寻优能力.把离散组合型算法作为组合型操作算子融合到遗传算法中,构造一种新的离散变量结构优化算法-组合型遗传算法.运用模拟退火技术构造惩罚函数来改造适值函数,使算法更稳定地收敛于全局可行最优解.与基本遗传算法和组合型算法的计算结果比较证明,改进的组合型遗传算法具有局部搜索快和全局性好的双重特点,是可行且有效的离散变量结构优化设计方法.     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题（TSP）是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

多目标动态规划逐次迭代算法

本文运用逐步最优化原理,提出一种求解多目标动态规划方法的迭代算法,为解决多维、多目标动态规划问题的维数障碍提供了捷径。文中给出了迭代算法的具体步骤,并对迭代算法的收敛性给出了证明。由于此法对非劣解是逐次求出,可以方便地用于对话式的多目标决策问题的求解。     

一种非线性约束优化的微粒群新算法

通过对标准微粒群算法(PSO)改进,采用动态罚函数的方法,提出了一种求解非线性约束优化问题的新算法.由于使用了一种新的适应度函数,该算法具有很强的全局寻优能力.     

非线性极大极小问题的可行信赖域算法

针对一类非线性约束极大极小问题,利用极大熵方法将转化为带不等式约束的非线性规划问题,给出了一种可行信赖域算法,解决了不等式约束的非线性大系统优化问题,并证明了该算法的全局收敛性。初步的数值试验表明,对于该类极大极小问题,本算法有良好的数值表现。     

一类改进的随机多目标规划区间交互式算法及其应用

针对连续型随机变量随机多目标规划问题,提出一种基于概率有效意义下的区间交互算法,该算法可将概率有效性与多目标决策问题有机结合,有效辅助决策者寻求愿意承受的风险水平而进行决策,从而简化了随机多目标优化的求解问题。     

蚁群算法理论及应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性。本文首先介绍了蚁群算法的基本原理,然后讨论了蚁群算法的应用,最后评述了蚁群算法未来的研究方向和主要研究内容。该算法用于解决组合优化问题,如TSP、QAP、JSP等效果很好。     

T-PLS下相关系数矩阵对质量影响的研究

相对主元分析算法解决了主元分析中没有考虑数据量纲,进行量纲标准化之后由于特征值近似相等无法进行有效的主元提取的问题,而全潜结构投影算法与主元分析存在相似问题,故该文将相对主元分析思想融入全潜结构投影算法中,在对原始数据进行量纲标准化的基础上,依据系统各过程变量与质量变量的相关程度,在能量守恒的准则下,赋予过程变量各分量相应的权值,然后再进行故障诊断。仿真研究了相关系数矩阵对故障检测行为能力的影响。