一类广义非线性拟变分不等式解的迭代算法

在Hilbert空间里引入和研究了一类新的广义非线性拟变分不等式 .利用投影技巧 ,构造出了这类广义非线性拟变分不等式解的近似迭代算法 ,并且证明了算法的收敛性 ,推广了最近文献中的强变分不等式 ,强拟变分不等式等已知结果 .     

广义强非线性拟变分不等式组的迭代算法

研究一类新的广义强非线性拟变分不等式组解的存在性及算法.首先建立广义强非线性拟变分不等式组与不动点问题的等价关系.利用这一等价关系讨论广义强非线性拟变分不等式组解的存在性与唯一性.然后给出一个含有误差的投影迭代算法.最后证明了该算法产生的迭代序列收敛到广义强非线性拟变分不等式组的唯一解.     

基于CVaR的一类随机拟变分不等式的逼近算法

主要考虑基于CVaR的一类随机拟变分不等式问题的逼近算法.将随机拟变分不等式问题的正则gap函数看作一个损失函数,将随机拟变分不等式问题转化为损失函数CVaR值的最小化问题.利用光滑技术和蒙特卡洛方法,获得CVaR最小化问题的逼近问题,并考虑了逼近问题的最优解和稳定点的收敛性.     

变分不等式与非扩张映象公共解的三步迭代算法

作者在Hilbert空间中引入并研究了一类隐拟变分不等式. 利用投影技术,作者得到了这类隐拟变分不等式解的存在性, 并给出了三步迭代算法,然后证明了由算法生成的迭代序列收敛于三个非扩张映象公共不动点集与变分不等式问题解集的公共点.     

基于投影收缩的SA方法求解随机变分不等式问题

求解变分不等式的各种算法中,投影收缩算法易于执行、稳健、而且可以处理大规模问题,因此发展迅速.何炳生教授根据变分不等式及投影算子的性质确定的三个不等式,提出了求解变分不等式的投影收缩算法,此方法简单易行,且便于实现.用随机近似方法来求解随机变分不等式和随机优化问题已经被广泛的研究,其中函数值和一阶导数不可求,但可以用近似的方法得到.将投影收缩算法应用到求解随机变分不等式当中,在一些适当的条件下,可得到全局收敛的结果.     

一类拟变分不等式解的存在唯一性和算法

本文研究了来自弹性力学中具有摩擦接触问题的一类拟变分不等式.证明了这类拟变分不等式解的存在唯一性定理和给出了逼近解的迭代算法,改进和推广了Noor,Bose 和Siddiqi-Ansari 等人的相应结果.     

混合拟变分不等式的预测-校正算法

引入并研究了一类具有弱强制性算子的混合拟变分不等式,运用辅助原理技巧,给出了一个求解混合拟变分不等式问题的三步预测-校正算法,并在一定条件下证明了该算法的收敛性.     

广义变分不等式问题的一种新投影类方法

提出了一种求解广义变分不等式问题的新投影方法,该方法利用了一种新的搜索方向.并证明了新算法对伪单调算子的广义变分不等式具有全局收敛性.     

加权拟变分不等式

介绍了加权拟变分不等式问题和加权拟变分不等式系问题,并讨论了这两类问题之间的关系.此外,还讨论了加权拟变分不等式问题的解的存在性.     

一种改进的推广近中心点算法

考虑变分不等式问题,基于D.Han(2003)提出的推广近中心点算法,通过改进算法的投影区域,提出了求解变分不等式问题的一种新的推广近中心点算法.该算法具有如下特点:算法产生的迭代点列关于初始点具有扩张性质;如果变分不等式问题有解,则算法产生的迭代点列的极限点就是初始点到问题解集上的投影;在适当的假设条件下,算法具有全局收敛性.最后,给出了该算法的初步数值试验结果.     

基于人工智能原理的考试系统

基于遗传算法的智能化考试系统是在传统的组卷算法基础上提出的一种新方法,用于解决应用本算法的试题模型的实际问题。     

基于偏序对改进蝙蝠算法的旅行商问题研究

作为一种新兴的群智能启发式算法,蝙蝠算法近年来被广泛用于求解离散、连续、及组合优化问题。针对典型组合优化问题中的旅行商问题,本文提出一种基于偏序对改进的蝙蝠算法用于求解离散型旅行商问题。通过对蝙蝠速度、位置的更新,使算法具有更强的适用性。本文对16个标准TSP问题进行测试与对比分析以验证算法有效性。实验结果表明,本文提出的偏序对蝙蝠算法在大多数实例中均优于其他算法。     

基于决策规则的属性约简算法

属性约简是粗糙集的核心问题之一。本文基于决策规则给出属性约简相关结论和属性重要性,提出启发式约简算法,引入黄金分割法思想,提高算法效率,并以实例验证算法有效性和正确性。     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法是求解大规模任意目标函数优化问题的强有力工具,二者各有优势,又都存在不足,本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法自身的优势与不足,提出一种将二者混合使用的求解网络优化问题的算法．这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法应用于实际的网络设计问题．最后用香港２００６ 年规划数据进行实例研究．     

双种群进化策略解奇异非线性方程组

鉴于传统优化算法在求解奇异非线性方程组中存在受初值选取是否合适的影响、收敛速度慢且容易陷入局部最优解等缺点,提出一种改进双种群进化策略求解奇异非线性方程组算法.首先把奇异非线性方程组转化为无约束优化问题,再求解无约束优化.该算法克服了传统算法不足,避免了大量的求导计算,算法收敛速度快、求解精度高、稳定性强.     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

最近邻搜索用于分类问题的一种改进

最近邻搜索广泛应用于分类问题,其最显著的优点是分类准确率高、泛化性能好.但现有最近邻分类算法都存在着一个弱点——样本集增大分类计算量也显著增大.为了克服这一不足,本文基于一个新的思路,提出了最近邻分类方法的一种改进方法.该方法在进行最近邻分类时,不一定要找到待分类点的最近邻点,而只要知道最近邻点的类别即可,大大地减少了最近邻搜索时的计算量.用经典的分类问题双螺线问题(TSP)以及其他几个例子,就该改进方法的分类效果、分类速度和学习性能等3个方面进行了测试,并与经典的K维双叉树(KD树)最近邻搜索法以及压缩近邻法进行了比较.结果表明,就综合性能而言,本文改进方法是有竞争力的.     

分形域内彩色图像检索算法

提出一种在分形域内对彩色图像进行分形编码提取特征的方法, 并将其应用于基于内容的图像检索. 算法充分利用了彩色图像的颜色信息, 有效地解决了传统分形编码方法在图像检索领域中忽略颜色信息和速度慢等问题. 实验结果验证了该方法的快速性、 可行性和有效性.     

整数可分离凹规划的一种分支定界方法

提出了一种新的解整数可分离凹规划问题的分支定界算法，并证明了其收敛性．最后用一个数值例子说明该算法是有效的．     

干扰情形下重复性项目快速修复策略模型与算法

重复性项目受到干扰事件影响后,如何使其低成本,快速修复到基准调度计划,是项目管理者面临的重要问题。本文研究了干扰情形下重复性项目的反应性调度问题。首先提出了一种新的快速修复策略模型,旨在使项目以较低的成本快速修复到基准调度计划;针对问题特点,设计了一种Q-learning与遗传算法结合的混合算法进行求解;最后通过一个高速公路项目和蒙特卡洛模拟验证了本文模型和算法的有效性。结果表明：本文所提出的修复策略可以显著降低反应性调度成本;在一定范围内,增加修复的范围可以有效降低反应性调度成本;Q-learning与遗传算法混合算法在该问题上的求解质量和效率优于遗传算法。本文可以为重复性项目管理者进行反应性调度提供决策依据。