单关联线性规划的最优化解法

用最优化搜索方法解决一类单关联线性规划［１］问题．对大规模线性规划，由于状态变量数太多，受微机内存容量限制，用通常的单纯形法解决不了．当规划约束条件是单关联时，用最优化解法可以克服这一困难．同时当约束条件不合理时，规划常常是无解的，但用这种最优化解法，则比较容易查清原因，调整不合理的约束，使问题得到解决．     

灰色二层线性规划问题及其解法

针对二层线性规划问题, 结合灰色系统的特性,提出了一般灰色二层线性规划问题, 并给出了该问题的模型及相关的定理.针对漂移型灰色二层线性规划,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.用下层的Kuhn-Tucker条件代替下层问题,将灰色二层线性规划转化为灰色单层规划问题,利用对偶理论将该单层规划转化为一系列灰色线性规划问题,从而用单纯形法求解该问题来得到灰色二层线性规划问题的解. 最后,通过算例验证了文中算法的有效性.     

线性规划算法的一些改进

本文介绍一种少占用计算机存储空间的单纯形法和从线性规划原问题最终单纯形表求出其对偶问题最优解的方法。     

求解模糊线性规划问题的拟人化算法

提出一种求解模糊线性规划的拟人化算法．它模拟人的调节过程，将模糊控制思想嵌入到遗传算法的变异与交叉算子之中求解出一个模糊优解，取代了以往利用单纯形求解模糊线性规划问题的一个最优解．实验结果表明，算法有潜力解决实际的规划问题．     

线性二级价格控制问题的单纯形算法

主要给出求解一类双层非线性规划问题--线性二级价格控制问题的一个算法。根据问题的结构和特性，我们提出类似于线性规划单纯形算法的思想来求解线性二级价格控制问题，并用一个数值例子来说明算法如何求解。     

两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

高信动态和大型线性问题的正交试验选优方法

提出了高维动态规划和大型线性规划问题的正交试验选优方法，对于高维动态问题可以使千维动态规划的求解成为可能；对于某些大型线性块角结构问题的求解比单纯形法的运算速度更快。     

高维动态和大型线性问题的正交试验选优方法

提出了高维动态规划和大型线性规划问题的正交试验选优方法，对于高维动态问题可以使千维动态规划的求解成为可能；对于某些大型线性块角结构问题的求解比单纯形法的运算速度更快．     

多层线性规划问题可行解的充要条件和单纯形算法

研究多层线性规划问题。先对可行解提出几个必要与充分条件, 然后在这些条件的基础上设计出一种单纯形算法。最后通过求解一个三层规划问题为例来说明这种方法。     

MINLP问题全局优化算法的研究

提出了一种求解混合整数非线性规划MINLP问题的混合优化算法GASimplex，由遗传算法模块GAsolver和单纯形算法模块SimplexSolver两部分组成。该算法首先确定MINLP模型的整数变量和复杂变量，使得固定这些变量后可以将原问题转化为一线性规划子问题，在此基础上应用GASolver实现对整数变量和复杂变量的优化，而其适应函数则可以通过求解编码对应的线性规划子问题SimplexSolver来得到。这样，一方面由于在遗传算法中引入了局部搜索过程，极大增加了GASimplex整体收敛速度，而且对于非凸的MINLP问题，可以在理论上保证得到解的全局最优性；另一方面，模型约束条件是通过SimplexSolver求解得到，故约束条件的存在—般不会增加遗传算法处理的复杂度，可有效的处理约束的MINLP问题。通过对一MINLP模型仿真分析，证明该算法不仅具有很决的收敛速度，而且能得到全局的次最优解，更适合处理一类复杂的MINLP问题。     

随机线性规划的α可靠度线性规划

在约束条件的右端和目标函数的系数为四种重要随机变量的情况下，利用对偶规划，将随机线性规划化成一定可靠度下的确定性线性规划模型，从而可以利用单纯形方法讨论并求出随机线性规划在一度可靠度下的可行解和最优解。     

求解二层线性规划问题的混合粒子群算法

结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析.     

灰色线性规划的Genocop算法求解

利用遗传算法的思想给出了线性规划的Genocop算法,进而针对灰色线性规划问题设计了灰色Genocop的求解程式,并使用Matlab语言开发了相应软件,给出了一个实例求解结果。大量运算结果表明,该算法对灰色线性规划问题求解非常有效。     

区间线性规划的标准型及其求解

定义区间线性规划的标准型，给出一种反映决策者满意度的区间数序关系，基于此将区间不等式约束转化为确定型约束；讨论区间等式约束的含义并将其化为确定型不等式约束。在此基础上将区间线性规划转化为一个确定型线性规划并进行求解。最后给出一个算例。     

基于模糊比例指标的模糊线性规划求解方法

定义了一种模糊数之间的模糊比例指标，并利用模糊比例指标提出了约束条件中含有三角模糊数的模糊线性规划转化为经典的线性规划的方法。实例表明，与其他方法相比，该方法得到的解优于其它解，且约束条件个数保存不变。因此，本文方法是可行和有效的。     

Determining the Optimal Solution Set for Linear Fractional Programming

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＬｉｎｅａｒｆｒａｃｔｉｏｎａｌｐｒｏｇｒａｍｍｉｎｇｒｅｆｅｒｓｔｏｎｏｎｌｉｎｅａｒｐｒｏｇｒａｍｍｉｎｇｐｒｏｂｌｅｍｓｏｆｏｐｔｉｍｉｚｉｎｇｔｈｅｒａｔｉｏｏｆｔｗｏｌｉｎｅａｒｆｕｎｃｔｉｏｎｓｉｎｔｈｅｐｒｅｓｅｎｃｅｏｆｌｉｎｅａｒｃｏｎｓｔｒａｉｎｔｓ .Ｉｎｇｅｎｅｒａｌ,ｔｈｅｏｐｔｉｍａｌｓｏｌｕｔｉｏｎｏｆｔｈｅｍａｔｈｅｍａｔｉｃａｌｐｒｏｇｒａｍ ｍｉｎｇｆｏｒｍｅｄｉｎａｃｔｕａｌｂｕｓｉｎｅｓｓｍａｎａｇｅｍｅｎｔｓｉｔｕａｔｉｏｎｓｐｒ…     

应用同伦法求解原有-对偶线性规划问题

根据线性规划对偶理论中的互补松弛性质，直接构造线性对偶问题的一个同伦模型，并提出相应的同伦算法求解。如果最优解存在，迭代过程常常是收敛的。尤其是在求解过程中，随着参数取值接近1，可获得原有问题的一个近似最优解。     

新型线性规划解题器

阐述了线性规划鞍点算法原理,讨论了解题器各模块的设计方法,给出了软件流程图和实验结果.     

退火进化规划算法及其收敛性

基于排序的选择方式在一定程度上会导致种群搜索范围变窄,进化规划算法过早收敛。针对此问题,将退火概率与适应度结合的选择方式引入进化规划算法的选择操作,形成了退火进化规划算法(AEP)。然后利用非时齐Markov链对退火进化规划算法进行了描述,并证明了其全局收敛性。数值实验表明,退火进化规划算法能保证种群的全局收敛性,且收敛速度较快,可较好地避免早熟收敛和局部极值。     

灰色线性规划的Genocop算法求解

遗传算法求解线性规划问题特别是大型线性规划问题通常比常规求解方法有效得多,但如何求解灰色线性规划是一个值得探讨的课题,本文利用遗传算法的Genocop算法设计了灰色LP的求解程式,结果表明其求解效率很高.