关于指派问题的最优解集

结合匈牙利方法，利用积和式(Pemanent)概念、性质和矩阵初等变换等技巧，解决了当指派问题的效益矩阵同一行(或同一列)中有多于一个零时，如何选取最优解问题，给出了最优解个数的计算公式及求出全体最优解的方法．     

一类线性规划问题的最优解

讨论系数矩阵A为全单位模矩阵,c,x,b为整数向量的一类线规划问题，对于任给的原－对偶问题的可行解，得到了关于这类线性规划问题最优解的几个结论。     

矩阵最小剩余问题及其最优近似问题的对称解

主要给出了矩阵的最小剩余问题及其最优近似问题的对称解.首先,分别给出了与矩阵最小剩余问题及其最优近似问题等价的线性方程;其次,用广义奇异值分解得到了与最小剩余问题等价的线性方程的对称解,即最小剩余问题的对称解;最后,通过寻求与最优近似问题等价的线性方程的对称解,从而得到了矩阵的最优近似问题的最优近似解.     

基于频率矩阵的多样性策略在遗传算法中的应用

在传统的遗传算法中，引入一种基于频率矩阵的种群多样性策略．该频率矩阵记录了从初始种群到局部最优解搜索过程中得到的具有相同特征解出现的频率。从而给跳出局部最优解，拓展解空间提供了有用的启发信息。将这种策略应用于求解二次布局问题中，取得了令人满意的结果。     

指派问题匈牙利方法的完善

求指派问题最优解的匈牙利方法存在所谓“选择原则困难”。即当效益矩阵的每一个行列都存在不止一个“零”时，选取哪一个“零”才能保证找到最优解呢？本文引入“Ｃ参数选择原则”，解决了这一困难，从而完善了匈牙利方法。     

运输问题广义多重最优解探析

提出了运输问题多重最优解、狭义多重最优解及广义多重最优解的概念．将运输问题的多重最优解进一步划分为有限多重最优解和无限多重最优解两种情况，并分别给出了判定定理．最后给出了一个应用例子．     

求解最优潮流全局最优解的二阶半定规划方法

【目的】半定规划凸松弛方法是求取电力系统最优潮流(Optimal power flow, OPF)问题全局最优解的有效技术手段，但解的秩为1的条件难以满足，导致应用具有一定的局限性。针对这一求解困境，提出了一种新的半定规划凸松弛方法。【方法】基于变量扩展，将原变量对应的二阶单项式扩展为新的变量，扩展后可构造一阶及二阶的半正定扩展矩阵，在此基础上将不等式约束转化为矩阵不等式约束，从而形成二阶半定规划凸松弛模型。【结果】为验证所提方法的有效性，求解了常规半定规划方法应用失败的一些反例，结果表明：二阶半定规划松弛模型能更可靠地求得秩为1的扩展矩阵，从而直接获得原OPF问题精确的全局最优解。【结论】二阶半定规划松弛方法为电力系统OPF问题提供了一种更可靠的全局最优算法，具有更好的应用前景。     

利用矩阵方法求解线性规划问题

在线性规划问题中,通过线性规划的数学模型构造矩阵,利用矩阵的方法来解决线性规划的最优解问题。     

求解无约束全局优化问题的一种方法

提出一种新的求解无约束全局优化问题的方法,该方法把修正的BFGS方法与填充函数方法相结合,使得目标函数f(x)的当前局部极小点x*1可以移到目标函数的另一个局部极小点-x,且f(x*1)≥f(-x),同时-x也是填充函数的极小值点;然后再以为初始点求f(x)的局部最优解.反复以上过程,最终可以找到f(x)的全局最优解.     

多人微分对策Pareto最优解的最优均衡值算法

引入多人微分对策的最优均衡值和最优均衡解概念。在某种凸性条件下最优均衡解集是Pareto最优解的凸本质连通区域。利用最优均衡解将问题等价地转化为求解单目标最优控制问题。该方法可推广到求解局中人拥有不同权重的情形,为求解多人合作微分对策问题提供了一种简单的、新的途径。     

排课的遗传算法

把遗传算法应用在排课问题中。主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取遗传算法的迭代参数，能加快获得最优解或近似最优解的收敛速度。     

线性规划问题的灵敏度分析及其应用

利用分块矩阵法讨论了在线性规划模型中,价值向量的变化和系数矩阵的变化及变量增加时,线性规划问题最优解的变化,给出一般的处理方法,并在此理论基础上给出具体的例子来验证.     

线性规划的单位矩阵算法

将单纯形方法的换基迭代过程代之以矩阵的初等变换，从而使得线性规划最优解的求解过程大大简化。     

随机规划问题的最优值和最优解集的稳定性

引进了局部化形式的概念，研究了随机规划问题的局部化最优解集和局部化最优值关于概率分布μ的定量稳定性，讨论了随机规划问题局部化最优值关于概率分布μ的连续性及局部化最优解集的Berge上半连续性，结果表明，当随机规划问题的局部化最优解惟一，且在ξn b↑→ξ，lim↓n→∞E‖ξn‖=E‖ξ‖的条件下，随机规划P(ξn)的局部化最优值收敛于P(ξ)的局部化最优值，随机规划P(ξn)的局部化最优解集的任一选择收敛于随机规划问题的局部化惟一最优解。     

线性规划非最优约束方程判别定理研究

以区分非最优约束条件和最优约束条件的特性为主线，利用线性规划、线性代数等理论进行分析和推导，从理论上获得了非最优约束条件一些性质及识别非最优约束条件的定理。在求解大规模解线性规划问题时，可以利用所得到的结论构造新的求解方法，以在求解的过程中获得变量有关的信息来识别非最优约束条件，并及时删除它，使得模型逐步降阶，以提高求解效率。     

一次求解问题的两点注解

本讨论了对于有唯一解的线性规划问题，求解一次最优解就可得到使目标函数和约束条件同时达到的最优状态，并对[1]中的结果进行推广。     

基于模拟退火的排课算法

模拟退火算法应用在排课问题中，主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取算法的控制参数，能加快获得问题的整体最优解或近似最优解的收敛速度。     

线性规划问题方程排序求最优解法

通过目标函数沿梯度正方向变化时在线性规划问题可行域边界超平面法向量方向变化大小的度量，给出了线性规划问题最优解的一个充分条件，提出了一种解线性规划问题的方法－－方程排序求最优解法。     

非线性规划问题的全局最优解的充要条件及其算法模型

给出了非线性规划问题(NP)的全局最优解的充分必要条件,建立了求该问题全局最优解的一个算法模型.     

关于线性规划问题最优解表示法的一个结果

首先引入了线性规划问题最优方向及基最优方向的概念，其次叙述了两个与定理有关的引理，最后在此基础上进一步研究了线性规划问题最优方向的性质，给出了在最优方向存在的前提下有关线性规划问题最优解表示法的一个结果。