非线性两级整数规划问题的最优化方法

针对非线性两级整数规划的求解问题,给出了一种最优化求解方法,即将其上级规划转化为非线性连续型规划问题后,采用模拟退火算法求出最优解;其对应的下级规划问题采用模拟退火整数算法求解,通过算例的实际运算,取得了令人满意的结果,证明该最优化求解方法是可行且有效的。     

基于人类进化算法的背包问题求解方法

背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷．人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法．为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程．试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率．     

参数不确定性弹药协调器的定位精度区间优化

针对存在参数不确定性的弹药协调器的定位误差问题,该文提出一种提高定位精度的区间优化方法。分析了影响弹药协调器定位精度的主要不确定参数,建立了协调器的Recurdyn-Simulink联合仿真模型,在不确定变量空间拉丁超立方采样,并带入仿真模型求解定位误差区间,基于误差区间建立了一种不确定区间优化方法,对协调器的定位精度进行了优化设计。优化计算结果表明,该优化方法效果显著。     

通用部分全局规划方法在多智能体协调控制中的应用

针对多智能体系统分布式问题建立了智能体的简单模型,并对其进行了形式化描述,提出了多智能体系统的一种协调算法,即通用部分全局规划算法．在该协调算法的作用下,多智能体系统中各个智能体的局部规划／协调器对各自的行为进行规划,从而使整个系统相互协作,共同完成系统的全局任务．因此,它是一种全局协调算法．该算法并不局限于某个具体的应用领域,具有一定的通用性．     

受扰动双线性离散系统的多目标最优控制

研究了双线性离散系统的多目标最优控制问题,给出了一种基于受扰动系统的两级最优控制算法.两级算法的下级用动态规划求解具有双线性二次型结构的辅助La-grangian 问题,上级通过迭代调整辅助Lagrangian问题中的参数向量,不断重复这个过程,直至从非劣解集中挑出最优解.最后,仿真实例证明了该算法的有效性.     

利用拉格朗日松弛算法求解三维分配问题

将拉格朗日松弛算法与最优求解算法的复杂性进行了分析比较，并将该算法应用于求解3-D分配问题,分析与算例结果表明，该算法可大幅度降低3-D分配问题的求解计算量，是求解3-D分配问题的一种有效算法．     

元素判别值分配法的综合求解算法设计

元素判别值分配法在用于求解运筹学一般运输调配与货郎担问题时,鉴于两类问题求解的不同,故使用的算法与调用的程序也不同．现已研制成功综合的求解算法与求解程序。则调用综合算法的程序．它既可求解一般运筹学的调配问题,也可求解货郎担问题;既可求最小值的问题,也可用于求解目标函数为最大值的问题．由于它只需一次调用,便可求解所属问题的最优解,是目前最有效的求解新方法．     

具有合作关系的两级资源分配的递阶优化问题

对于整体目标函数关于下级各部门不具有可分形式的两级资源分配问题，笔者证明了下级各部门合作决策比独立决策效果更好．寻优方法为：把原问题嵌入到对应的多目标优化问题中，对于上级给定的权系数，下级各部门用原始—对偶法独立求解，再把结果送回上级以便更新权系数，这样，通过上、下级不断的交换信息最终可求得原问题的全局最优解．对于递阶系统优化理论和资源分配这一经济学实践均有参考价值     

模拟进程调度的时间表求解算法

从分析进程调度与时间表问题的共性、探索时间表求解的数学模型出发,介绍了一种时间表问题求解的算法,并分析算法复杂度．该算法适用于时间表在现实环境中的各种应用．     

二维不规则零件排样问题的粒子群算法求解

提出了一种基于粒子群算法求解二维不规则零件排样问题的方法．该方法首先将二维不规则零件的排样问题转化为矩形件的排样问题，然后利用粒子群算法优化求解，在求解过程中运用自适应调整策略对零件的排样位置进行微调．最后用该优化排样算法对文献中的两个算例求解，排样结果表明该算法是有效的．     

非光滑单值优化的信赖域算法

提供了求解非光滑单值优化问题的信赖域算法．基于线性规划的对偶理论,将目标函数的方向导数转化成线性规划,从而使信赖域子问题容易数值求解． 在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率．     

非光滑单值优化的非单调线搜索方法

提供了非光滑单值优化的非单调线搜索方法,基于线性规划的对偶定理,目标函数的方向导数可以表示成线性规划问题,这在实际计算非单调线搜索子问题时是非常重要的,在合理的条件下,证明了 法的整体收敛性和局部超线性收敛速率。     

求解一类二次规划反问题的同伦交替方向法

对一类带不等式约束的二次规划反问题的求解方法进行研究。首先表示出此类二次规划对应的反问题形式，将该反问题转化为目标函数变量可分离优化问题，将其中约束写成KKT条件的形式之后，该反问题等同于一个等式约束优化问题。综合以上，考虑使用交替方向乘子法进行迭代，在此基础之上，将同伦思想应用于算法每步迭代的子问题中，以此避免近端算子选取的敏感性，又可保证算法的收敛速度。针对子问题，使用逐次超松弛法进行求解，并获取算法的收敛性。最后，将该算法与SDPT3和Sedumi两种方法进行比较，数值结果表明，该算法无论在速度上还是效率上都优于以上两种方法。     

工业大系统递阶多目标优化的分解协调方法

研究了工业大系统递阶多目标优化问题,将其归纳为三种基本形式,并提出了三种相应的新算法。这些方法的基本思想是利用分解协调原理和多目标优化技术,将原问题化为一个二级优化问题。第一级求解一系列低维数的多目标子问题,第二级进行协调。这样大大节省了所需的计算机内存容量,加快了算法的收敛速度。这些算法还具有简单、实用等优点。数值例子证明了以上的结论。     

一种求解随机线性二层规划问题的分支定界-粒子群混合算法

将一类随机线性二层规划模型转换为带期望约束的确定性线性二层协方差规划模型,并进一步利用KKT条件将二层协方差规划模型转化为单层规划模型,然后利用分支定界-粒子群混合算法对该模型进行求解.与传统分支定界算法的对比实验表明,该算法有效改善了上层问题的方差结果,且计算效率得到了较显著提高.     

具有性能约束布局问题的优化算法及收敛性

研究了二维布局优化问题,建立了具有性能约束的二维布局半无限优化模型.应用图论、群论等,把该问题分解为有限多个子问题,在每个子问题中克服了优化变量的时断时续性质,并将子问题松弛化,利用极大极小函数给出了松弛子问题的最优性函数,该函数在其零点使松弛子问题的一阶必要条件成立.利用最优性函数构造了松弛子问题的优化算法,并证明了算法的收敛性.     

基于拉格朗日松弛的水灾逃生路径规划

研究了假设路段通行时间为随机变量的交通网络约束最短路径问题.建立0-1整数规划模型,求出最小期望通行时间路径.除流量平衡和路段通行能力约束外,还引入了唯一通路选择约束以保证最终只能生成最优路径.然后,提出了拉格朗日松弛法对难约束进行松弛处理,并将松弛模型分解成两个子问题.结合次梯度算法、标号修正算法和k-最短路径算法设计了一个算法框架,以最小化上下界的差距寻找近似最优解,用改进的算法框架进行求解.最后将该框架应用于龙岩市新罗区进行了计算试验.结果表明,该算法能够找到相对间隙较小的高质量解,验证了该方法的有效性.     

A trust region algorithm for bilevel programing problems

A trust region algorithm is proposed for solving bilevel programming problems where the lower level programming problem is a strongly convex programming problem with linear constraints. This algorithm is based on a trust region algorithm for nonsmooth unconstrained optimization problems, and its global convergence is also proved.     

有功和无功交替优化的电力系统最佳潮流计算

本文把电力系统最佳潮流的计算分离为有功(P)和无功(Q)两个子优化系统。把等式和不等式约束也分成两部分在相应的子优化中考虑。通过有功和无功的交替优化,结合潮流计算统一起来,达到两者同时优化的目的。在每一个子优化中,控制变量和状态变量相对的要减少一些。特别是在无功优化时,控制变量可以任选Q或V,使收敛性得到了较大改善。在计算方法上,采用共轭梯度法。     

A Branch and Bound-Based Algorithm for the Weak Linear Bilevel Programming Problems

Most real-world optimization problems are hierarchical involving non-cooperative objectives. Many of these problems can be formulated in terms of the first (upper level) objective function being minimized over the solution set mapping of the second (lower level) optimization problem. Often the upper level decision maker is risk-averse. The resulting class of problem is named weak bilevel programming problem. This paper presents a new algorithm which embeds a penalty function method into a branch and bound algorithm to deal with a weak linear bilevel programming problem. An example illustrates the feasibility of the proposed algorithm.