一类无约束二层规划问题的区间算法

讨论了目标函数为一阶连续可微函数的无约束二层规划问题的区间算法,构造了二层规划问题目标函数的区间扩张和无解区域删除检验原则,建立了求解无约束二层规划问题的区间算法,并进行了数值实验。理论证明和数值实验均表明算法是可靠和有效的。     

无约束线性二层规划问题的区间算法

利用区间分析研究无约束线性二层规划问题的数值方法.通过建立目标函数的区间扩张和构造无解区域删除检验原则,建立区间算法,证明了算法的收敛性,并进行数值实验,给出数值算例.该算法可以同时求出二层规划的最优值和全部最优解的区间值.算例结果表明该算法是可靠和有效的.     

非线性整数规划的蚁群算法

提出了一种新的蚁群算法来求解无约束的整数规划问题,蚂蚁在整数空间内运动,同时在路径上留下激素,以此引导搜索方向。对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则。数值试验计算结果表明:该方法比较有效,并具有通用性。     

一类非线性整数规划问题的切平面分支定界算法

针对一类非线性整数规划问题,提出了一个基于切平面的分支定界算法.在这个方法里,用切平面方程将非线性可行域线性化,同时在子问题上确定可行方向,生成切平面,切掉没有整数解的可行域,缩小了可行域,可以减少分支的次数,并进行了收敛性分析和证明.     

一类无约束总体极值的区间算法

在区间分析基础上，本文对分段光滑函数定义一种特殊导数概念；     

求解一类整数规划问题最优解的算法

本文给出了求解一类整数规划问题所有最优解的两个算法．一个算法较为简单，其时间复杂性为O（n）,另一个算法求解较为快速，其时间复杂性为O（log n）.     

求解一类无约束优化的混合遗传算法

目的 求解一类无约束优化问题。方法 结合传统优化算法局部寻优能力强、收敛速度快，而遗传算法在搜索过程中不易陷入局部最优的两种算法的特点，给出了一种基于最速下降法的混合遗传算法。结果 算例表明所设计的算法是有效的。结论 算法可以提高局部搜索能力，提高解的精确度，搜索速度。     

一类非线性整数规划问题的最优解

该文给出了一类非线性整数规划总是的最优解。     

一类最优投资问题的非线性整数规划

考虑了教育投资导出的一类非线性整数规划．讨论其解集的性质，给出了一个可行解是最优解的充要条件和求解方法，讨论了计算时间复杂性，最后给出了计算实例     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．     

无约束非线性规划的共轭梯度法研究综述

共轭梯度法是50多年来算法研究的热点课题,它最初是基于求解对称正定线性方程组提出的,随后推广到求解非线性无约束优化问题。现在,它已经成为数值最优化领域的一类重要方法,具有所需存储量小、局部和全局收敛性好的特性。综述了求解无约束非线性规划问题的共轭梯度法,总结了它近年来的研究状况,展望了未来的发展趋势。     

混合细菌觅食算法求解整数规划问题

利用混合细菌觅食算法(PO-BFA)求解整数规划问题,并与量子粒子群算法(QPSO)的求解结果进行对比。经过适当的参数设置混合细菌觅食算法可以有效地解决整数规划问题,在搜索过程中没有出现早熟现象,而且PO-BFA在求解整数规划问题上的整体性能比QPSO更优。     

无约束非凸优化问题同伦算法的一个收敛性定理

利用同伦方法求解无约束非凸优化问题, 对KT方程构造了不动点同伦, 并给出同伦路径的性质, 证明了选取合适的同伦方程, 该算法一定不收敛于极大值点.     

求解整数规划的混合遗传算法

整数规划问题是NP困难问题，在决策变量和约束条件很多时，用常规的求解法效率很低。针对遗传算法存在的缺陷，提出了遗传算法和混沌的结合。在此基础上，设计了用于求解整数规划的混合遗传算法，算例表明，此算法能大幅提高计算效率。     

非线性两级整数规划问题的最优化方法

针对非线性两级整数规划的求解问题,给出了一种最优化求解方法,即将其上级规划转化为非线性连续型规划问题后,采用模拟退火算法求出最优解;其对应的下级规划问题采用模拟退火整数算法求解,通过算例的实际运算,取得了令人满意的结果,证明该最优化求解方法是可行且有效的。