最优化问题的一种新算法

本文以梯度法为基拙,提出了一种新的命名为无约束梯度最优方向法的寻优方法(简称UGODA法)。它的基本思想是:寻求每次迭代的最优方向,从而获得目标函数的最优值。通过计茸机验证,其效果是较令人满意的。     

一种新的一维寻优方法的研究

本文在改进RMS法的基础上,提出了一种命名为IRMS法的一维寻优新方法;同时,给出了算法的具体步骤。通过大量的计算表明:新的方法是有效的,且计算成功率高,适用范国广.     

用关联度和海明距离确定多目标优化问题的最优解

本文提出了一种用灰色系统关联度概念来确定两模糊子集隶属函数形状间的差异程度,并用海明(Hamming)距离确定两隶属函数间的接近程度,从而确定出多个有效解中的最优解的方法。其作法是:将多目标优化问题的理想解(由各单目标最优解构成)和有效解(非劣解)模糊化,求得各个模糊有效解与模糊理想解间的关联度和Hamming距离。最后,通过排序打分法确定出有效解中的最优解。