局外k—出租车问题及其动态规划求法

局内问题及其解法在研究是优化领域研究热点之一，而有关局内问题解法的研究必将涉及相应的局外问题。提出了局外k-出租车调度问题，给出了问题的动态规划求解方法，并给出该问题的一个具体算例。同时简要地介绍了局外k-卡车调度问题的动态规划求解方法。     

价格连续型局内设备赁购问题的竞争分析

基于局内算法分析领域中的On-line Ski问题,提出了局内设备赁购决策问题.建立了价格连续型的该问题的数学模型,针对购价恒定的情形和一般情形分别设计了B价赁购策略和赁购平衡策略(Renting-Buying Balance Strategy),给出了相应的竞争比,并进行了理论证明.得到了价格连续型问题的竞争比下限,并给出理论证明.讨论了所得结果在现实经济管理活动中的应用,并指出了进一步的研究方向.     

分段广义正交多项式算子法的非线性系统分析

首先对文献[7]提出的分段广义正交多项式算子(简记为PGOPO)的主要运算规则进行了概括和总结,特别是推导出了非线性函数的PGOPO递推计算公式;其次对一般非线性系统PGOPO算子解及解的收敛性问题进行了分析、研究,证明了PGOPO算子解将收敛于其精确解;最后采用PGOPO算子法对一类含时延的非线性系统进行了分析,并推导出便于使用的递推求解算法.给出的数值算例论证了该算法的有效性.     

局内故障产品处理问题与竞争算法

提出和研究局内故障产品处理问题。该问题是故障产品序列如何以局内方式 (即在未知故障产品损坏程度的状况下 )进行处理 (返修还是报废 ) ,使得处理故障产品的损失最小。设计解决该问题的竞争算法 ,证明采用优先返修策略 (PRRS ) ,竞争比为 2 - λγ · λω1;采用优先返修策略 (PRRS ) ,竞争比为 2 - λη+λ · λω1;最后 ,对局内故障产品处理问题的两种算法做出了比较并相应的给出了比较结果。     

多目标动态规划及其在过程优化中的应用

本文以Waltz分层优化方法为基础,提出了多目标动态规划的分层解法。该方法通过将目标按其重要性为序排列,将多目标决策问题转化为一系列的单目标决策问题,然后分别在相应的工程宽容范围内分层求解。文中给出了有关分层解法的弱有效解和有效解的两个定理证明。分层解法的主要优点是计算量逐层减小。最后,本文给出了这一方法在求解多级化学反应器操作优化问题中应用的示例。     

基于复合量化策略的模糊指派求解模型和方法

针对模糊指派问题在求解方法上的欠缺,首先从模糊信息的结构特征出发,提出了描述模糊性处理意识的水平效应函数概念,建立了一种具有广泛指导意义的从整体上集中刻画模糊信息的一般模式,并给出了集中量化值的不确定性度量方法;进而建立了一类可反映决策意识的模糊指派求解模型,并结合指派问题和遗传算法的特点,给出了利用遗传算法求解模糊指派问题的具体实施策略和方法(简记为GAFAP);最后,通过Markov链理论和具体实例分析了算法的收敛性能,结果表明,该求解模型可以简捷而有效地将不确定处理意识融入决策过程中,其求解算法GAFAP具有良好的收敛性能和较高的计算效率.     

局内封闭式车辆调度问题及其竞争策略

基于k-卡车问题和局内运输问题,提出了具有时间窗的局内封闭式车辆调度问题,建立了相关的模型,研究了当车辆数为1时该问题的竞争分析的有关结果,给出了三种不同的竞争策略,得到了相应的竞争比,并进行了理论证明.     

直线上的k-配送小车调度问题与竞争策略

提出和研究了直线上的局内k-配送小车调度问题。应用复位策略，竞争比为k 2；设计了解决该问题的竞争算法，证明采用局部双覆盖策略Local Double Coverage Strategy(LDCS)的竞争比为k.最后，简单地分析了该问题的一个特例——局内电梯调度问题，得出了比较结果。     

随机游动法在环状河网计算中的应用研究

环状河网求解不同于树状河网,在采用三级解法进行环状河网非恒定流计算时常面临求解大型矩阵的难题.针对这一问题,从水流质点游动角度出发,研究将随机游动方法应用于环状河网水位计算,实现随机游动方法与三级解法相结合.在三级解法得到节点水位方程组基础上,给出节点水位的随机显式求解新方法,然后采用追赶法完成整个河网水位流量计算.与常规三级解法相比,该方法求解原理简单,避免了大型矩阵的直接求解.将新方法建立模型运用于西江下游河网计算,结果表明,该方法较常规方法在简化运算的同时提高了计算效率,并且与常规三级解法具有同样的精度.模型计算结果也量化了各节点水位之间的相对联系情况.     

具有时间窗的局内开放式车辆调度的竞争分析

基于k-卡车问题和局内运输问题，提出了具有时间窗的局内开放式车辆调度问题．该问题的优化目标为：在服务需求的发布为局内方式的条件下，如何最小化完成整个服务需求序列的时间跨度．建立了该问题的数学模型并对有关的概念和参数进行了定义和说明．研究了当车辆数为1时该问题的竞争分析的有关结果：给出并证明了对于该问题的竞争策略的竞争比下限；针对该局内问题，设计了两种不同的竞争策略，得到了相应的竞争比，并进行了理论证明．     

SCHEDULING TWO GROUPS OF JOBS WITH INCOMPLETE INFORMATION

In real world situations, most scheduling problems occur neither as complete off-line nor ascomplete on-line models. Most likely a problem arises as an on-line model with some partialinformation. In this article, we consider such a model. We study the scheduling problem P(n_1,n_2),where two groups of jobs are to be scheduled. The first job group is available beforehand. As soon asall jobs in the first group are assigned, the second job group appears. The objective is to minimize thelongest job completion time(makespan). We show a lower bound of 3/2 even for very special cases.Best possible algorithms are presented for a number of cases. Furthermore, a heuristic is proposed forthe general case. The main contribution of this paper is to discuss the impact of the quantity ofavailable information in designing an on-line algorithm. It is interesting to note that the absence ofeven a little bit information may significantly affect the performance of an algorithm.     

基于进化FCM算法的故障诊断方法

为了提高故障的诊断效果,首先利用一种改进的离散傅里叶变换方法提取故障特征,然后提出了一种扩散式遗传算法,将其与模糊C 均值(fuzzyC mean,FCM)聚类方法结合设计了一种进化FCM故障识别方法。该方法通过离线优选虚拟标准样本,达到快速、准确在线识别故障的目的,很好地解决了FCM算法经常收敛到局部极值点的问题。最后以某型歼击机结构故障为例进行了仿真验证,结果表明该方法确能有效的检测出歼击机的各种故障。     

有限需求量的网络路径优选研究

“有限需求量的网络路径优选”是一种比较特殊的费用流问题。本文描述并分析有限需求量的网络路径优选问题,建立路径优选的最短时间非线性模型,该模型考虑把物资发送到相应路径的时间。在有限需求条件下,给出n条独立路径的优选定理。借助于该定理和最小费用最大流算法,提出有限需求量的网络路径优选算法,并用示例作算法验证。     

基于扩展Infomax算法的变步长在线盲分离

由于扩展的Infomax算法需要一定的样本长度来估计信号的峭度,所以常采用离线批处理的方式,但这种方法不能处理混合矩阵发生变化的情况。通过判断系统混合矩阵是否改变,改进了在线估计峭度的模型,同时为解决在线算法中收敛速度和稳态误差的矛盾,提出了一种新的步长更新算法,该算法根据信号的分离状态与峭度曲线收敛程度的关系,采用峭度方差为参数来控制步长的变化,使得步长的选择与分离状态相结合,减小了稳态误差,仿真结果证实了该算法的有效性。     

不确定处理时间批处理过程的鲁棒调度新策略

针对化工批处理调度过程中处理时间不确定的问题,建立了具有分解结构的调度模型,提出了一种新的鲁棒调度策略.策略由基本调度策略和在线调整两部分组成,分别与模型的主问题和子问题相对应.提出了基于遗传算法的分解算法求解模型,以获取具有鲁棒性和最优性的基本调度策略.通过对子问题的分析,提出了运用简单的推理进行在线调整的方法,无需复杂计算,并运用动态规划的原理说明了该方法的可行性和最优性.最后用实例说明了该鲁棒调度策略的有效性.     

基于能力规划的三维概率选择矩阵优化算法

体系具有复杂性、巨大性和交互性等特征,体系需求的获取和分析则面临方案的不确定性和方案空间庞大等难题,利用启发式搜索算法可以求解规模较大的能力方案,但效率较低。在分析能力方案构成描述中定性、定量等要素特点的基础上,针对不同能力方案求解时算法执行效率差异较大的特征,提出面向智能Agent的三维概率选择矩阵算法,利用智能Agent自学习存储方式,将多种启发式优化算法求解不同类型的能力方案时的效率存储起来,建立三维选择矩阵,求解时动态选择效率高的算法,提高算法整体执行效率。在求解某体系能力规划方案时体现了此算法根据问题动态选择算法的优势。     

基于双重遗传算法的动态模糊系统设计与优化

设计了一种动态模糊系统模型,该模型能够动态地进行规则自学习,从而减少了规则学习的计算量。提出优化该模型的双重遗传算法:外层采用整数编码,用来训练系统的结构,内层采用实数编码,用来训练系统的参数;内层GA得到的最佳染色体适应值用来评价外层GA相应染色体。该模型结构简单,便于实现,并可离线优化,在线预测。通过应用于实际股市行情的预测和效率分析,不论从预测的结果还是从运行效率看,都收到了满意的效果。     

基于递阶优化算法的一类两层规划问题的解法

提出一种基于分解协调的两级递阶结构优化算法来求解两层规划问题。通过设计解耦变量,两层规划问题被分解成若干相互独立的易于在结构的第一级求解的子问题。而结构的第二级是调整解耦变量使各子问题的解得以改善。算法以一种迭代的方式使第一级求得的子问题的解不断协调,最终达到两层规划的解。算例表明该算法是可行且有效的     

全局收敛的投影单纯形方法

对于线性约束、非线性目标的优化问题，文献［１］的作者以极小化条件代替求正交投影的一组正交条件，并用一个特殊的线性规划模型来确定迭代方向，由此给出了一个算法。但文献［１］没有讨论算法的收敛性，且一般说来，这种算法不具备收敛性质［５］。本文沿用［１］的迭代方向ｄ（ｘ）的表示形式，给出了一个新的算法，讨论了算法性质，证明了算法具有全局收敛性.