二层多目标随机规划逼近有效解集的上半收敛性

[目的]为了研究通过逼近方法求解二层多目标随机规划有效解集与精确的有效解集之间的相互关系,针对下层为单目标随机规划,上层为多目标随机规划的一类二层随机规划逼近问题,构建了二层多 目标随机规划逼近有效解集上半收敛性的理论框架.[方法]将多目标二层随机规划分解成多个单目标二层随机规划,利用每个单目标二层随机规划逼近最优解集的上半收敛性,借助于多目标二层随机规划有效解集可以表示为所有单目标二层随机规划最优解集的交集的结构特点,对二层多目标随机规划逼近问题的有效解集的收敛性结果进行了推断.[结果]建立了二层多目标随机规划逼近有效解集的上半收敛性.[结论]提供了利用逼近方法求解二层多目标随机规划有效解集可以近似替代精确的有效解集的理论依据.     

一类非线性二层规划的一种求解方法

研究了一类非线性二层规划的求解方法.该二层规划的第一层的目标函数是DC函数,下层是求一个二次规划问题的KKT点.将DC规划中的DCA与Zoutendijk可行方向法相结合,提出一种简单有效的算法来解这个非线性二层规划问题,并通过数值算例的计算结果说明了该算法的可行性和有效性.     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.     

基于蚁群全局优化的二层规划模型与仿真

二层规划问题通常是一个非凸问题,因此在实际工程领域对其进行求解具有极大的困难.研究了问题的本质特征,提出了一种组合设计算法模型——基于蚁群算法求解二层规划问题的全局优化策略.组合算法采用蚁群算法求解上层问题,下层的线性规划问题则采用单纯型算法完成求解.设计的组合算法思路清晰,仿真计算结果表明,该算法有着良好的全局收敛可靠性和较高的收敛速度,是目前求解此类两层线性规划问题的一种有效算法.     

一类线性半向量二层规划问题全局最优解的搜索算法

本文研究了下层为正矢量优化的线性半向量二层规划问题的搜索算法.首先运用加权方法将原问题转化为一般的二层规划问题;然后以下层问题的最优条件代替下层问题,进而将原问题转化为单层规划问题;最后通过对单层规划问题的可行集的分析,设计了原半向量二层规划问题全局最优解的搜索算法,同时采用相关算例验证了所设计算法的可行性.     

求解二层多目标规划的新算法

研究多目标二层规划的一种算法,给出二层多目标决策问题数学模型的一种新解法,把线性加权和法、理想点法和Kuhn-Tucker条件结合起来,将二层多目标规划问题转化为单层单目标规划问题,使问题简单化,从而得到原问题的有效解。     

一类无约束二层规划问题的区间算法

讨论了目标函数为一阶连续可微函数的无约束二层规划问题的区间算法,构造了二层规划问题目标函数的区间扩张和无解区域删除检验原则,建立了求解无约束二层规划问题的区间算法,并进行了数值实验。理论证明和数值实验均表明算法是可靠和有效的。     

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.     

基于过滤信赖域算法的非线性二层规划求解方法

引入过滤信赖域技术,给出了一种利用线性二次二层规划逼近求解非线性二层规划的方法,并通过一个数值试验,验证算法的可行性.     

机器人在时变环境中的运动规划

时变环境中的避障运动规划是当今智能机器人领域中的一个重要研究课题.木文根据运动状况可分解描述为路径轨迹和速度函数的思想,提出了解决运动规划问题的二层机制.上层是路径规划.即就工作环境中的静态障碍,规划一条避障的最短距离路径;下层是速度规划,其任务是选择机器人沿着已规划路径运动的速度(加速度),以保证它避免与动态障碍物相撞。     

一类二次二层规划的平衡点算法

Manoel Campelo[1]借助线性规划的单纯形算法,给出了求解线性二层规划的平衡点算法.本文借助线性规划的单纯形法和二次规划的Lemke算法,给出求解一类非线性二层规划的平衡点算法,并给出算例说明算法可行性.     

用罚函数求解二层线性规划的方法

在研究下层对偶问题的基础上，用内罚函数法，将二层线性规划问题转化为一般规划问题，然后根据可分规划方法和渐近外逼割平面法，设计了其全局最优算法．     

用罚函数求解二层线性替代的方法

在研究下层对偶问题的基础上，用内罚函数法，将二层线性规划问题转化为一般规划问题，然后根据可分规划方法和渐近外逼割平面法，设计了其全局最优算法。     

基于二层结构的路径规划系统

本文提出了智能系统中的二层路径规划子系统,其中的全局路径规划层接收来自任务规划子系统的目标序列,针对已知的静态障碍环境信息,采用基于 Hopfield 人工神经网络(HANN)算法的新型路径规划方法,得出点到点的直线路径(预直线路径)序列,并进行了仿真。局部路径规划与跟踪层接收来自全局路径规划层的预直线路径,考虑全局路径规划层未知的静态和动态障碍,采用势场法来进行局部路径规划与跟踪,并进行了仿真。     

一种求解线性二层规划的方法

将非线性规划问题中的Frank-Wolf方法应用到线性二层规划问题中,提出了一种求解线性二层规划问题的Frank-Wolf方法,讨论了算法的收敛性,并通过实例说明该方法是可行有效的.     

一个求解离散网络平衡设计问题的新算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法。在模型求解中,上层问题采用遗传算法,而下层采用仿射尺度内点算法求解平衡交通分配问题。数值试验结果表明,本文提出的算法是有效的,能够较快地求解这类网络平衡设计二层规划模型。     

一类灰色二层线性多目标规划问题及其算法

将下层带多目标函数的二层线性规划与灰色理论相结合,提出了一类灰色二层线性多目标规划问题,给出了该问题的数学模型和相关概念。在约束域为非空紧集的条件下,证明了漂移型灰色二层线性多目标规划问题的最优解一定可以在约束域的极点达到,并提出了一个基于k次最好法的求解算法,证明了该算法具有全局收敛性,算例分析验证了所提算法是有效的。     

通过平衡点求线性二层规划(LBP)的最优解

关于线性二层规划的求解问题。先利用K-T充分条件和罚函数法先将线性二层规划转化为无约束问题,再由无约束问题得到简单的参数线性规划,通过单纯形法解参数线性规划,即得到平衡点,再判断平衡点是否为原二层规划的最优解。     

一类非线性二层多目标规划问题的主要目标法

研究了一类非线性二层多目标规划问题的求解方法。首先利用下层问题的K‐T最优性条件,将其转化为带互补约束的多目标优化问题,其次将互补条件作为罚项,构造相应的罚问题,然后利用主要目标法求解该罚问题,最后以相关实例给出了算法的具体实现过程。计算结果表明所设计的主要目标法对该类二层多目标规划问题是可行的。     

关于下层规划带线性约束的二层规划问题

通过极大熵方法将一类下层规划带线性约束的二层规划问题转化为支规划问题,并证明了转化的单的单层规划问题与原二层规划问题的最优解之间的联系,在一定条件下可保证转化后的单层规划问题的最优解为原问题的ε－最优解。