二次锥规划的不可行内点算法

给出二次锥规划的一种不可行内点算法并证明该算法是多项式时间算法.利用本算法需O(√nlnε-1)次迭代就可找到问题的ε-近似解,其迭代复杂性界与现有的二次锥规划可行内点算法的复杂性界相同.     

应急系统调度问题的最优决策

在应急系统调度问题中 ,仅把应急时间最短作为系统优化的目标 ,常常产生出救点数目过大的弊端。从费用和可靠性的角度考虑 ,出救点数目越小越好。以应急时间最短为前提 ,建立了使出救点数目最少的二层优化数学模型 ,并给出求解算法。数值算例验证了所建立模型的合理性与算法的有效性。     

广义互补问题的一种非光滑算法的收敛性分析

基于广义互补问题的半光滑方程组变形，给出了求解广义互补问题的一种新算法。该算法的显著特征是每次迭代只需求解-线性方程组。并在适当条件下建立了算法的全局收敛性和局部超线性(二次)收敛性。     

超有效意义下集值函数松弛鞍点最优性条件

在超有意义下建立了广义锥次凸集值函数松弛鞍点无存在的非导数型Kuhn-Tucker条件,并证明了这一条件的充分性.     

基于距离核函数的除噪和减样方法

在使用支持向量机(SVM)分类时,存在以下两个问题:一是当存在噪点时,分类的精度低;二是对大规模样本集,训练时所需内存空间较大,运行时间较长.针对以上问题,给出一种基于具有距离性能的核函数的减样方法,称为删减法(DRM).该方法定位定量分析了噪点及多余样本点的一般比例.在应用时,分三步进行:首先根据小概率原理给出一小阈值删除噪点;然后给出一个较大阈值减去同类中心附近的大量多余的样本点;最后以另一个大的比例减去位于距异类中心较远的对分类不起作用的样本点,以便提取具有代表性的边界向量.试验结果检验了该方法的有效性,即,既减少了训练时间,又提高了分类精度.     

2v-SSPC-一种不平衡数据分类方法

针对现有分类算法通常对不平衡数据挖掘表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,提出一种不平衡数据分类方法。该方法通过一个超球面将两类数据以最大分离比率分离,并且引入两个参数来分别控制两类错分率的上界,不仅提高了不平衡数据集的分类和预测的性能,而且大大缩小了参数的选择范围。在UCI真实数据上进行了实验,并采用ROC曲线下面积作为评估指标进行比较,结果验证了该方法的有效性。     

基于自适应邻域选择的多目标免疫进化算法

在分析以往求解多目标进化算法中个体选择方法的基础上,给出了一种基于个体邻域的选择方法,分析表明这种选择方法可有效地维持群体的多样性,且个体的适应度在选择过程中将随着该个体邻域中所包含个体数目作自适应调整,文中称之为基于个体邻域的自适应校正选择方法。此外,由于每一个待求问题本身或多或少都有自身一些基本的、显见的特征信息或知识。因此,在求解过程中忽视问题本身的特征信息或舍弃可供应用的信息,有时并不是一个明智之举。基于以上考虑,在传统进化算法的基础上又引入免疫算子,其中免疫算子依次通过疫苗提取、接种疫苗和免疫选择3个步骤来完成,进而设计了一种基于邻域选择的多目标免疫进化算法。最后,用算法分别对2个变量和30个变量的双目标优化问题进行数值模拟的结果表明,算法都能够找到所给问题的分布较均匀且涵盖范围较宽广的Pareto最优解集,显示了算法的有效性及可行性。     

交互式仿真在光网络性能分析中的应用

从系统学和经济学的角度出发,分析了光网络拓扑设计、路由选择、波长分配分别对光网络性能的影响,指出光网络性能不仅取决于路由选择与波长分配算法,并且取决于光网络拓扑设计。进而指出在进行光网络性能优化过程中,以网络拓扑设计作为性能优化的基础,结合路由与波长分配算法、网络服务和市场价格等因素,建立了一种波分复用(wavelengthdivisionmultiplexing,WDM)光网络性能优化的数学模型。最后,给出了WDM光网络性能分析与优化的交互式仿真过程。     

基于边界元的分布参数最优控制共轭梯度算法

得到椭圆型分布参数最优控制问题对应的最优性方程组,在凸性条件下,证明了最优控制的唯一存在性问题.利用一阶最优性条件构造了基于边界元法的共轭梯度算法,给出算法的局部误差估计.最后,以算例验证算法的有效性.     

一种随机蚁群算法求解连续空间优化问题

通过将蚁群优化算法(ant colony optimization,ACO)与一种随机优化方法———Alopex算法相结合,提出一种随机蚁群混合算法(AACO)求解连续空间优化问题。该算法定义了蚁群在连续空间中的寻优方式以及新的信息素更新规则,并在局部搜索过程中嵌入改进的Alopex算法以提高搜索效率,有效地避免了优化算法陷入局部最优。基于多极值函数和非线性连续函数的仿真实验表明,该算法简单高效,具有良好的寻优性能。