无约束线性二层规划问题的区间算法

利用区间分析研究无约束线性二层规划问题的数值方法.通过建立目标函数的区间扩张和构造无解区域删除检验原则,建立区间算法,证明了算法的收敛性,并进行数值实验,给出数值算例.该算法可以同时求出二层规划的最优值和全部最优解的区间值.算例结果表明该算法是可靠和有效的.     

一类无约束离散minimax问题的区间斜率方法

进一步讨论了一类由一阶连续可微函数构成的无约束离散minimax问题。利用区间斜率方法和区域二分原则，构造了极大函数的区间扩张和无解区域删除检验原则，建立了区间斜率算法；对算法进行了数值实验，并给出了数值算例，结果表明：该方法可以同时求出问题的最优值和全部全局最优解，是有效和可靠的。     

非线性二层混合整数规划问题的区间算法

讨论了目标函数和约束条件均为一阶连续可微函数的带约束非线性二层混合整数规划问题的区间算法。利用罚函数法和构造目标函数的区间扩张、无解区域的删除检验原则,建立了求解非线性二层混合整数规划问题的区间算法,并进行了数值实验。结论证明和数值实验均表明该算法是可行且有效的。     

一种求解多目标优化问题的有效算法

为突破求解多目标优化问题已有方法的局限,研究一种新的全局收敛算法,其中目标函数和约束条件均为一阶连续可微函数。该方法结合理想点法和调节熵原理将带约束多目标优化问题转变成无约束问题,构造函数的区间扩张和无解区域删除原则,建立了区间调节熵算法,并证明其收敛性。数值算例表明,该算法是有效、可靠的。     

一类连续minimax问题的区间极大熵算法

讨论了目标函数为C^1类函数的连续型minimax问题的区间极大熵算法。通过构造目标函数的极大熵函数及其区间扩张，利用区域二分原理和无解区域的删除原则，建立了求解连续型minimax问题的区间极大熵算法，证明了算法的收敛性，给出了数值算例。数值结果表明，其算法是可靠和有效的。     

一类多目标优化问题的区间斜率法

讨论了一类多目标优化问题的区间斜率方法,其中目标函数是一阶连续可微的。结合评价函数法将多目标优化问题转化为无约束的minimax问题,通过构造目标函数的区间扩张无解区域删除原则,建立求解minimax问题的区间算法,并证明了算法的收敛性。结合数值算例,理论证明和数值结果可靠有效。     

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。     

一类带约束多目标优化问题的区间算法

重点研究了带约束多目标优化问题的区间算法,其中目标函数和约束条件均为Lips-chitz连续函数。结合评价函数法将带约束的多目标优化问题转化为无约束优化问题,并给出相应的区间扩张,对相关定理进行了证明。利用二分原则和区域删除检验原则,构造了求解多目标优化问题的区间算法,并给出具体算例。结果表明,所建立的算法是可靠有效的。     

一类连续型minimax问题的区间斜率算法

讨论了目标函数为一阶连续可微的无约束连续型minimax问题的区间算法.利用连续型极大熵函数和区间斜率法,通过建立区间扩张和无解区域删除检验原则,构造了求解连续型minimax问题的区间斜率算法,证明了算法的收敛性,并给出了数值算例.相关结论和数值结果都表明,其方法是可靠和有效的.     

一类无约束非线性整数规划的区间算法

讨论目标函数为Lipschitz连续函数的无约束整数规划的数值算法.通过构造目标函数的区间扩张和无解区域删除检验原则,建立了求解无约束非线性整数规划的区间算法,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.     

Min-Max-Min问题的区间极大熵算法

讨论了目标函数和约束函数都是一阶连续可微的离散Min-Max-Min问题.利用罚函数法和极大熵函数思想将问题转化为无约束可微优化问题,构造了极大熵函数的区间扩张并证明了它的收敛性,给出了无解区域删除原则,建立了区间极大熵算法,理论证明和实例计算表明算法是可靠和有效的.     

粒子群算法的改进及其在求解约束优化问题中的应用

在用粒子群算法求解约束优化问题时, 处理好约束条件 是取得好的优化效果的关键. 通过对约束问题特征和粒子群算法结构的研究, 提出求解约束 优化问题一种改进的粒子群算法, 该算法让每个粒子都具有双适应值, 通过双适应值决定粒 子优劣, 并提出了自适应保留不可行粒子的策略. 实验证明, 改进的算法是可行的, 且在 精度与稳定性上明显优于采用罚函数的粒子群算法和遗传算法等算法.     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．     

一种改进的蚁群算法用于灰色约束非线性规划问题求解

针对灰色约束非线性规划问题,设计了一种改进蚁群算法．该算法采用了正反馈机制。在对灰色约束非线性规划问题白化处理后,将罚函数方法引入到目标函数中,同时给出了改进蚁群算法的仿真流程．实例应用表明,将改进后的蚁群算法应用于灰色约束非线性规划问题的求解是可行有效的。     

非线性规划问题的一个全局收敛的次可行方向法

本文给出非线性不等式约束最优化问题的一个初始点可行取的算法，利用梯度投影构造搜索方向，并使用符号函数对搜索方向和搜索函数进行有效的控制，使得一旦迭代点进入了可行域，其后的方向将成为可行下降方向，搜索函数将由罚函数变为原问题的目标函数（故称之为次可行方向法）在较为温和的条件下证明了方法的全局收敛性，及罚参数只需进行有限次调整。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

双曲正弦罚函数法

对求解一般约束优化问题提出一种算法,并证明了算法的收敛性,数值实验表明了算法的可行性.