大步长路径跟踪内点新算法

给出一种求解约束非线性规划问题的大步长路径跟踪内点新算法.首先,为克服内点法初始点选取的困难,通过引入辅助变量来构造原问题的等价问题;其次,构造一个新的关系不等式来证明算法的全局收敛性;最后,在此基础上设计一个新的大步长路径跟踪内点算法.该算法在有限步内能得到原问题的近似最优解,并且数值试验表明,该算法是可行的.      

GENOCOP算法的初始种群的确定

针对遗传算法求解具有凸可行域优化问题使用随机法产生初始种群容易造成早熟收敛,提出用凸可行域的部分顶点作初始种群,将新方法应用于具有线性约束的数值优化问题,计算示例结果表明该方法是一种可行而且有效的优化算法.     

量子近似优化算法在约束优化问题中的应用

结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子 近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标 算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行 解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最 小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使 得能够高质量和高效率的求解约束优化问题。     

非线性混合整数规划问题的改进量子粒子群算法

提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。     

一种约束类问题的带权PSO优化方法

为提高带约束类问题的PSO求解质量,将等式约束通过约减策略转化成不等式约束,约减了设计变量个数,降低了粒子的维度;同时将不等式约束事先放在子程序内,在使用PSO寻优计算适应度函数前,排除不在解空间内的解,降低了寻优计算量.利用优化过程中其他粒子的优化信息调整PSO算法的惯性权重,给出了约束类问题的带权PSO优化步骤.采用这种带权的PSO算法以及传统的PSO算法,分别对等式约束处理、不等式约束处理以及两者均处理的3种方案同时优化2个典型实例,对实例求解的最优值、平均值、标准差以及平均优化时间进行对比,结果显示:这种带权PSO算法对约束条件同时处理的方法既能提高解的精度,又能提高优化的求解效率.     

求解约束优化问题的改进粒子群优化算法

针对约束优化问题,提出了一种改进的粒子群优化算法.该算法利用罚函数法将约束优化问题处理为无约束优化问题,并利用可行基规则来更新个体极值和全局极值,使不可行的粒子尽快飞向可行域,显著提高了算法的全局搜索能力.在标准粒子群算法研究基础上,为了提高粒子群算法求解非线性复杂优化问题的性能,对速度方程和惯性权重做了改进.数值算例表明,该算法是求解约束优化问题的一种较为有效的全局优化算法.     

代理模型辅助的初始可行解产生方法

采用约束保持法求解单目标约束优化问题时,初始化产生可行解的过程存在计算费时问题.因此提出了代理模型辅助的初始可行解产生方法,采用径向基函数构建代理模型,在初始解的产生过程中,预先使用代理模型估计试验粒子的约束冲突值,若满足约束才进行实际计算,从而减少粒子的评价次数以提高算法效率.采用该方法对多个标准函数进行测试,结果表...     

协同神经网络求解流动推销员问题方法——确保单回路的神经网络方法

神经网络方法求解流动推销员问题(Travel Salesman Problem,简称TSP问题)时,往往产生不满足TSP的单回路约束的不可行解.基于协同神经网络的方法解决TSP,并设计了一个回路合并算法,确保得到满足TSP的单回路约束的解.通过算例进行数值模拟,并且比较了新算法、标准遗传算法和标准模拟退火算法的求解结果.实验结果表明,说明该方法在求解TSP 问题上是行之有效的.     

0-1多项式背包问题的一种精确算法

提出了0-1多项式背包问题的一种新的精确算法. 该算法是一个基于拉格朗日松弛和对偶搜索的分枝定界方法. 用外逼近法求拉格朗日对偶问题得到上界,其中拉格朗日松弛问题通过转化为一个网络最大流问题来求解. 为了提高算法的效率,利用两种启发式方法求初始可行解,并用填充和交换的方法改进后得到初始下界; 并且在分枝定界前, 利用所得到的拉格朗日界, 先固定最优解中某些变量的值. 数值结果表明该算法是有效的.     

目标超平面上的一种对偶单纯形算法

提出求解第一阶段线性规划问题的对偶单纯形算法.首先,将具有最优值的辅助目标函数作为新约束加入第一阶段问题中;然后,以该约束所在行为枢轴行进行旋转变换产生辅助超平面上的一个极顶点,如果这个点可行,第一阶段对偶单纯形算法结束,否则,迭代固定在辅超平面上极行;接下来,以右手项取负值的所有约束之和为目标(约束),通过对偶迭代使右手边的值单调增加,同时保持右手项为非负的约束仍然可行,一旦右手边取负值的约束变为可行,就将其从目标约束中删除,直至获得一个可行解或者得到原问题无可行解的结论;最后,从NETLIB和MIPLIB测试数据库中选取一些标准的中大规模算例,通过MATLAB编程在计算机上实现数值试验,初步计算结果表明与经典单纯形算法相比,提出的算法在大部分问题上使用更少的迭代次数和执行时间,因而具有更高的计算效率.     

基于自适应惩罚函数法的混合遗传算法

引入了自适应的惩罚因子,将约束问题转化为无约束问题．通过遗传算法求得无约束问题的可行解,再将此解作为约束变尺度法的初始可行点,由约束变尺度法得到精度较高的解．数值实验表明该混合算法比单纯使用遗传算法效率高,而且在多数情况下能得到全局最优解。     

交通分配自适应梯度投影算法的敏感性分析

针对自适应梯度投影算法设计中面临的多个参数取值问题,运用统计分析方法,分析了自适应梯度投影算法在求解非可加性交通分配问题时的敏感性,包括初始步长、初始解、步长调整权重、步长调整终止参数、最大步长等参数的取值对算法收敛性能的影响.分析结果表明:算法对初始步长不敏感;建议选择基于自由流费用的全有全无加载得到的流量模式为初始解;步长调整权重和步长调整终止参数具有一定的相关性,后者的影响远大于前者;最大步长应取较大值.分析结果可为该算法在大规模交通网络分配中的应用提供鲁棒的参数取值和效率保证.     

一个求解约束优化问题的混合算法

通过引入Hook-jeveese搜索法和可行基规则,提出一个求解约束优化问题的混合算法—Hook-jeveese搜索法和与可行基规则相结合改进的微粒群算法的混合算法.与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域.并利用6个典型实例问题进行仿真计算比较,仿真结果表明了新算法是求解约束优化问题的一个高效的算法,而且获得了一些比以往文献更好的解.     

基于混合蛙跳算法的软硬件划分方法

软硬件划分问题是嵌入式系统软硬件协同设计的关键问题,划分结果的好坏直接影响着系统性能的优劣.将软硬件划分问题转化成0-1背包问题,提出了一种基于混合蛙跳算法求解软硬件划分问题的方法.该方法在求解软硬件划分问题的过程中,不断地寻找更优可行解,逐渐达到搜索全局最优解,使得系统的软硬件实现总代价最小.实验结果表明,该方法能很好求解软硬件划分问题,所应用算法的收敛速度明显优于对比算法.     

若干图的顶点魔幻全标号

设计了一种针对顶点魔幻解空间的递归搜索算法,并利用顶点魔幻全标号的特性以及一系列剪枝函数对其进行优化,实现了对有限点内任意简单连通图的顶点魔幻全标号的求解.通过对已经得到的结果进行分析总结,发现了关于龙图、图C~((m))_4、图F~((2))_n以及一类用联图G■H来刻画的图的标号规律,总结出若干定理.     

一种求解旅行商问题的信息传播算法

针对旅行商问题求解精度较差、容易陷入局部最优等缺点,提出一种新的求解旅行商问题的信息传播算法.根据旅行商问题的特征,将线性方程嵌入信息传播算法方程中得到旅行商问题的势函数,进而将其转换为因子图,在因子图上利用信息传播算法的迭代方程进行迭代计算.在迭代过程中选择边际信念的最小值,从而得到旅行商问题的初始解,在算法达到设定...     

对称矩阵特征值反问题的最佳逼近解的一种数值解法

利用复合最速下降法,给出了对称矩阵特征值反问题AX=XΛ有解和无解两种情况下最佳逼近解的通用数值算法,对任意给定的初始矩阵A0,经过有限步迭代可以得到对称矩阵特征值反问题的最佳逼近解,并分别给出有解和无解两种情况下的数值实例,证明了此算法的可行性.另外,结合投影算法,可以用此算法来求解其它凸约束下矩阵特征值反问题的最佳逼近解,从而扩大了此算法的求解范围.     

基于数值变分计算的Acrobot机器臂能量最优控制

针对最小能量控制中初始参数难以确定的问题,利用欧拉-拉格朗日乘子处理系统约束而获得积分形式的变分方程,通过离散化变分方程,得到系统最优控制的必要条件,并选定合适的积分方法,求解非线性方程而得到系统最优控制解.仿真实验表明,该方法求解变分方程是可行的.     

求解约束优化问题的一种新的进化算法

针对约束优化问题引入半可行域的概念, 提出竞争选择的新规则, 并改进了基于竞争选择和惩罚函数的进化算法的适应度函数; 结合粒子群优化（PSO）算法本身的特点, 设计了选择算子对半可行域进行操作, 从而得到一个利用PSO算法求解约束优化问题的新的进化算法. 实验证明了算法的有效性.     

模糊约束网络在机床产品协同设计冲突检测中的应用

分析了机床产品协同设计中约束的内涵和特点,并用EXPRESS-G图描绘了约束网络的结构模型.将机床产品协同设计中的约束分为硬约束和软约束,从数学上给出模糊约束和模糊约束满足问题的定义.采用遗传算法作为协同设计过程中模糊约束满足问题的求解方法,在遗传算法的运行过程中对软硬约束分别进行了不同的技巧处理,遗传算法利用硬约束通过前向检查算法随机产生几何可行初始群体来限制设计空间,并给出遗传算法的具体实现过程.提出了基于模糊约束网络的冲突检测系统的体系结构,并对原型系统进行开发.最后,以某车床传动轴的设计为例验证了约束在协同设计冲突检测中的应用.