多孔隙介质参数识别的正则化模拟退火法

针对二维多孔隙介质波动方程的参数孔隙率的识别问题,考虑模拟退火法的全局收敛特性,结合求解不适定问题的Tikhonov正则化方法,构造出正则化模拟退火算法.数值实验的结果表明此算法能够有效地处理参数识别问题.     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

非线性规划问题全局优化的模拟退火法

在无约束非线性规划问题全局优化的模拟退火算法基础上，进行有约束问题求解的进一步探讨，对不等式约束条件提出了检验法和罚函数法的处理方法，对等式约束条件开发了罚函数法和解方程法的求解步骤，并进行了分析比较，从而形成了完整的求取非线性规划问题全局优化的模拟退火算法。通过对文献例题的计算，表明所提出的方法能够快速有效地求出有约束非线性规划问题的全局最优解     

一个改进的BFGS算法

提出了求解无约束优化问题的一个改进的BFGS算法,并结合Goldstein线搜索证明了算法对一般非凸目标函数极小化问题的全局收敛性.     

一种求解最优控制问题的非均匀控制向量参数化方法

传统的均匀参数化方法在求解固定终端时刻最优控制问题时,不能精确地逼近最优控制轨迹.针对这一问题,提出一种非均匀控制向量参数化的数值解法.首先将控制时域离散化为不同长度的时间段,各时间段长度作为新的优化参数;然后引入时间尺度因子,将非均匀参数化的最优控制问题转化为标准化时域上的均匀参数化问题;最后建立目标和约束函数的Hamilton函数,通过求解伴随方程计算梯度,采用序列二次规划方法获得数值解.针对两个经典的化工过程最优控制问题进行仿真研究,仿真结果验证了所提出算法的有效性.     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

基于模拟退火准则的谱投影梯度算法

针对简单凸集约束优化问题,提出了一种基于模拟退火准则的谱投影梯度方法.在适当的假设下,证明了算法的全局收敛性.数值实验结果表明,与已有的算法比较,本文所提出的算法在求解该类问题时更有效、更具竞争力.     

一种改进的模拟退火算法求解0-1背包问题

从增强算法收敛性和减少参数依赖性的角度出发,提出应用改进的模拟退火算法求解0-1背包问题.对模拟退火算法有所改进,并有效地克服它的弱点,使其在优化性能,优化效率和可靠性方面有明显的优越性.阐明了用该算法求解0-1背包问题的具体实现过程,并通过实际数值计算和结果比较表明,该算法在求解0-1背包问题优于传统的模拟退火算法,并且得到更有效的近似解.     

求解无约束优化问题的一种下降算法

研究了求解无约束优化问题的一种共轭下降算法，并在非精确线搜索条件下证明了该算法的全局收敛性．     

旅行商问题（TSP）的模拟退火求解

提出了循环排序中６种不同的随机抽样方式，对旅行商问题（ＴＳＰ）的模拟退火求解进行了进一步深入研究．理论分析证明，６种抽样方式均满足模拟退火算法的全局收敛性条件．实例计算表明，子排列反序并移位抽样方式的求解寻优效率最高，且明显优于目前公认最好的著名的Ｓ．Ｌｉｎ“２－交换”抽样方法．本研究和结论对循环排序类优化问题及其求解具有普遍意义．     

格分片线性函数的辨识和优化

格分片线性模型由一个实数矩阵和一个 0 - 1矩阵所确定 ,能够表示任意维变量的全体连续分片线性函数 ,其实数矩阵完全由它的局部线性函数的参数向量所组成。这些特点为辨识分片线性函数和利用线性模型的分析方法解决分片线性模型描述的非线性问题提供了极大的便利。该文引入格分片线性模型解决非线性函数的辨识问题。给出了辨识格分片线性函数的实用算法。并对线性约束下的格分片线性函数优化问题提出了通过线性规划算法确定全局最优解的简单方法。这些工作表明 ,用格分片线性函数建模是解决非线性问题的一种有效途径     

基于控制思想求解非线性规划问题的李雅普诺夫方法

为了高效求解非线性规划问题,对一种基于控制思想的新颖方法——李雅普诺夫方法——进行了研究.该方法将约束非线性规划问题转化为一个动态系统,基于系统的动态特性给出原优化问题的最优解.分别针对单目标和多目标的非线性规划问题,对算法的收敛性进行了分析,给出了算法在应用时松弛变量、增益因子等关键参数的取值建议.大量数值算例验证了上述收敛性及参数取值建议的正确性,表明了该方法在求解非线性规划问题时的巨大潜力和新颖性.     

三维水平井随钻修正设计的优化方法及应用

在水平井实际应用中,实钻轨道常偏离原设计最优轨道．把实钻轨道与已设计最优轨道的状态变量差值作为参数,建立带有参数的三维水平井最优控制模型,把该模型转化为非线性规划问题求解,讨论了该非线性规划问题的最优解性质．依此性质给出一个全局最优的算法,并将其应用到实际水平井轨道设计中,数值结果表明模型及算法有效、正确。     

格雷码混合加速遗传算法及其性能分析

通过在格雷码遗传算法进化过程中加入单纯形法学习算子,并利用格雷码遗传算法和单纯形法所得到的优秀个体群,作为变量新的变化范围,逐步缩小搜索空间,自动向最优解收缩,提出了求解非线性规划问题全局解的一种快速算法--格雷码混合加速遗传算法(GHAGA).为了在可行域内能得到全局最优解,在参数的定义域内投放了大量的均匀随机初始点作为初始群体.给出了GHAGA算法实施的详细步骤,建立了GHAGA相应的收敛定理,并分析了该算法的全局优化性能.理论分析和数值模拟表明,GHAGA具有精度高、收敛速度快的特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性规划方法.     

一类箱约束非凸非线性规划的新求解方法

对一类箱约束非凸非线性规划问题提出了一种新的求解方法，通过构造一新的含参数逼近函数，将原问题转化为一系列无约束优化问题，该方法对给定的参数在下降方向寻找逼近函数的最优点，当初始点在盒子内部时，证明了方法的全局收敛性，数值结果表明，当参数充分小时，该方法能找到原问题的一个总体极小点。     

改进的粒子群算法

为了改善基本粒子群算法的搜索性能,针对粒子群算法随机性较强,收敛较慢的问题,提出了基于退火思想的改进的粒子群优化算法,新的算法更有利于粒子发现问题的全局最优解。通过对经典函数的测试计算,验证了方法的正确性和有效性。     

线路与编组站能力限制下的车流组织模型与模拟退火方法

研究了在线路能力、编组站能力（改编能力、通过能力及可利用的调车线数量）与装卸车能力受限条件下的车流组织方案优化问题．其目标是最小化集结费用、改编费用、换算车公里费用，以及组织始发直达而产生的换算车小时消耗，并满足车站和线路的有关能力限制．为此，建立了该问题的两类数学优化模型：大规模的非线性混合整数规划形式和非线性０—１规划形式．基于此类问题的难度，采用了模拟退火算法处理所建模型，其有效性通过对两类不同网络的例子计算得到了证实     

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．     

精英竞争和综合控制的多目标粒子群算法

目的 多目标粒子群算法虽然极易实现且收敛速度快,但在平衡其收敛性和多样性方面仍需进一步改善。方法 针对上述问题,提出一种精英竞争和综合控制的多目标粒子群算法(ECMOPSO)。一方面,算法采用全局损害选择精英粒子集,然后将两两竞争引入多目标粒子群算法中,通过精英竞争选取优胜者粒子,将其与全局领导者融合形成更全面的社会综合信息,以增强种群中粒子之间信息的交互性,更好引导种群中的粒子飞行,提升算法全局探索能力;另一方面,结合全局损害和基于位移密度估计对外部存档进行维护,从而提高外部存档中非劣解的质量,平衡算法的收敛性和多样性。结果 将ECMOPSO算法与4个多目标粒子群算法和4个多目标进化算法在ZDT和UF系列基准测试问题上进行仿真实验,并采用Wilcoxon秩和检验和Friedman秩检验比较ECMOPSO算法与所选对比算法的整体性能。实验结果表明：相比其他几个对比算法,ECMOPSO算法的收敛能力、解的分布性以及稳定性都得到了一定的提升。结论 ECMOPSO算法可以很好地平衡收敛性和多样性,提升其整体性能,能有效求解大多数多目标优化问题。     

复杂函数全局最优化的改进遗传退火算法

针对复杂函数的最优化问题 ,首先提出了一种基于邻域函数的尺度参数自寻优的改进模拟退火算法 ,进而通过设计多操作的基于概率接受思想的变异操作 ,结合混沌序列 ,在遗传算法中引入灾变操作和改进模拟退火算法 ,最终提出了改进遗传退火算法。基于典型算例的仿真结果验证了改进算法对高维复杂函数最优化的有效性 ,其性能明显优于传统的遗传算法、模拟退火、改进的进化规划方法以及遗传 -AL OPEX算法。