线性分式规划问题的一个输出空间二分算法

把线性分式规划问题转化为输出空间上的非线性规划问题,然后在输出空间上利用线性搜索技术确定目标函数的上界和下界,再对所获得的上下界构成的区间利用二分技术求得原问题满足精度的解;数值结果表明所提出的算法是可行的和高效的,并且可以求解大规模问题.     

反馈控制系统的参数化及应用

本文采用多项式矩阵分式表示法,给出了多变量单位反馈控制系统的参数化描述.该参数化保证了控制器传函为真,而且自由参数直接作为控制器的参数,从而便于指导设计.文中还提出了实现极点配置或使得闭环系统有指定分母矩阵的控制器的设计算法,它可使得被设计的控制器除实现极点或闭环分母矩阵配置以外,尚具有其它的功能.     

线性乘性规划的因式输出空间分支定界算法

提出了一种新的线性乘性规划问题（LMP）的因式输出空间分支定界算法,首先利用目标函数中每个乘积项的一个因式作为变量构成输出空间,并对其进行超矩形的对分,同时在每次迭代时用松弛线性规划确定原问题（LMP）的下界,并证明了算法的收敛性,数值实验表明提出的方法是可行的.     

一种将改进连分式与Routh近似相结合的降阶法

提出了一种将改进连分式法与Routh近似法相结合的降阶方法,像改进连分式法一样用原系统的分母构造一个新的闭环传递函数,再用Routh近似法将其降阶得到简化系统的分母,进一步用长除法得到简化系统的分母.仿真结果表明这种方法不仅能保证系统的稳定性,而且还能保证降阶系统的低频特性.     

Gilmore-Gomory算法避免产生循环的迭代规则

分式规划在管理模型中时常遇到,而且在一般情况下变量个数很多。Gilmore和Gomory提出一种算法,将分式规划用变形的单纯形法来求解。 本文论述了Gilmore—Gomory算法在迭代过程中有可能产生死循环,从而造成计算失败。为克服这个缺陷,本文给出了一种避免死循环的迭代规则,使该算法臻于完善。     

一类不可微广义分式规划的Kuhn-Tucker型必要条件

在Arrow-Hurwicz-Uzawa约束品性下,给出一类目标函数的分子分母是可微函数与凸函数之和差的广义分式规划问题的Kuhn-Tucker型必要条件,并给出其特例(目标函数中含支撑函数)的Kuhn-Tucker型必要条件.所提出的问题及所得结果相对现有文献更具一般性.     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

计算双线性Weil对平方的一个注记(英文)

给出了在具有偶嵌入次数的椭圆曲线上计算双线性Weil对平方的一个注记.当在Miller算法中运用分母消除技巧时,文章说明了直接对Miller循环后的输出结果做平方不会得到正确的双线性对赋值.     

T-S型模糊RBF神经网络快速学习算法

针对Ｔ－Ｓ型模糊ＲＢＦ神经网络输入空间模糊最优聚类算法运算量大、运算速度低的缺点,提出基于输出空间模式聚类的快速学习算法,以满足多变量系统实时性要求．仿真结果表明该快速学习算法不仅可以达到要求的辨识精度,而且可有效地提高运算速度     

T—S型模糊RBF神经网络快速学习算法

针对Ｔ－Ｓ型模糊ＲＢＦ神经网络输入空间模糊最优聚类算法运算量大、运算速度低的缺点,提出基于输出空间模式聚类的快速学习算法,以满足多变量系统实时性要求。仿真结果表明该快速学习算法不仅可以达到要求的辨识精度,而且可有效地提高运算速度。     

模糊线性规划的图解法

模糊线性规划的解法通常是把它转化为经典线性规划问题求解，需借助算法程序由计算机求解。为寻求一种简单的解法，受经典线性规划图解法的启发，提出了一种模糊线性规划的图解法，并证明了它的合理性。这种图解法，适用于求解约束条件有伸缩性的二维模糊线性规划问题，简便直观，不需要计算机及算法程序，并能通过图形直观地给出决策变量的可行域及其在可行域内变化时目标函数的变化趋势，便于对最优化问题进行分析。     

一类混合整数双层线性规划的枚举法

通过对上层变量为0-1型变量和下层变量为连续型变量的混合整数双层线性规划问题的,根据分支定界法原理,给出了一种定界函数和寻找问题最优解的搜索准则,由此提出了一个求解混合整数双层线性规划问题的有效枚举方法。提出的算法能求得问题的全局最优解,并通过算例说明了算法的求解过程。     

一种0-1型双层线性规划的分支-定界法

针对上下层变量都是0-1变量的双层线性规划问题,在通过对其模型结构特点研究的基础上,结合双层线性规划问题的定界理论,给出了一种便于求解、结构简单的定界函数和寻找问题全局最优解且基于深度优先的搜索准则,由此提出了一个求解0-1型双层线性规划的分支-定界法.提出的算法具有全局收敛性,并通过算例说明了算法的求解过程.     

一类线性规划问题的强多项式算法

对一类线性规划问题提出了一个强多项式算法．此算法可进行双向搜索．可行解集、目标函数的两个目标值以及相应的最优解，全部可行基与最优基可以一步求得，无需迭代．算法的复杂性为Ｏ（ｎ３＋ｎ２＋ｎ），其中ｎ为线性规划问题变量的个数     

空间直线度包容评定的线性逼近算法

建立了空间直线度最小包容评定的数学规划模型，提出了空间直线度评定的线性逼近算法．算法以近似的线性规划模型的迭代运算，结合空间坐标变换去逼近精确的非线性规划模型的最优解．构造了适用于计算机判别的最优条件判别数．大量的计算实验证明该算法具有高精度的特点     

解一般形式线性规划的一个直接方法

本文提出了一个直接处理一般形式线性规划的算法而不需要把问题转化为标准形(即所有约束都是等式约束,所有变量都是非负的)。由于算法的基本思想与单纯形法相同,所以当应用子标准形式的线性规划问题时此算法化为单纯形法。文中证明了算法的有限步终止性,最后还讨论了可行域不存在极点的情形。     

整数线性规划的一种新的隐数搜寻方法(英文)

提出了一种新的求解整数线性规划的隐数搜寻方法.在本算法中,目标函数作为参数变化,这样相应的目标函数超平面与线性规划松弛问题的有效锥多面体相交产生一个单纯形,变量的界可以通过目标函数超平面上的这个单纯形来确定;接下来,如果在所有变量的取值区间中都存在整数,一个带右手边参数的辅助约束将被引入到原问题中,以便通过一组不等式的迭代计算来进一步改进决策变量的界;最后,一种阻止搜寻方法被用于搜寻问题的解.该文对几个经典算例和随机算例进行了计算,初步证实本算法是方便和高效的.     

大型0—1目标规划的启发式算法

提出了一个０－１线性目标规划新的启发式算法,该算法以新的算法准则及评价标准,改进了旧算法中的系数限制,并能通用于任何０－１线性目标规划问题,特别能够有效地解决大规模０－１线性目标规划问题。     

一类非线性比式和问题的分支定界算法

针对一类带有常系数的非线性比式和全局优化问题(P),给出求解该问题的分支定界算法.首先,将问题(P)转化为问题(Q),两者的变量个数和约束条件的个数相同.然后,利用不等式放缩的方法,建立问题(Q)的松弛线性规划,并结合分支定界算法求解.最后,在此基础上提出区域删减策略,并进行数值实验.结果表明:本算法和删减策略均是有效的.     

寻求线性规划问题初始基可行解的一种新算法

对线性规划问题基可行解的性质进行了研究，给出了一种求解线性规划问题初始基可行解的算法，该算法的时间复杂度是约束条件个数的线性函数