求解P＊（k）线性互补问题的不可行路径追踪算法

提出了一种求解P＊（K）神线性互补问题的不可行路径追踪内点新的算法,此算法可以取任意正的初始点,并证明了算法的代数复杂度;最后通过数值试验说明了算法的有效性和稳定性．     

P_*(κ)线性互补问题的预估-校正内点算法

基于一种新的中心参数更新方案,提出一种求解P*(κ)线性互补问题的二阶预估-校正内点算法,从理论上证明了该算法具有O((1+κ)3/2 nL)多项式复杂度,并通过数值实验验证了算法的有效性.     

求解线性规划的一种Mehrotra型预估-矫正内点算法

提出了一种求解线性规划问题的Mehrotra型预估．矫正内点算法，并证明了算法的代数复杂度。     

具有O(n1/2L)复杂度的Mehrotra型预估-校正内点算法

基于中心路径的大邻域,提出了一种新的二阶预估-校正内点算法求解半定线性互补问题,并证明了该算法具有目前最好的多项式复杂度O(n^1/2L).     

GPU加速的并行模拟退火算法在蛋白质预测中的应用

人类基因组测序工作初步结果显示,MSAPSO算法在求解蛋白质折叠问题时具有不错的求解精度,但是算法执行的时间开销却令人难以接受.针对此问题,使用CUDA编程模型在GPU上实现MSAPSO算法(CUMSA),利用GPU的计算能力,节省求解问题的时间成本.实验结果显示,CUMSA对4条测试序列求解得到的解的质量相对较高,由得到的解的构象图可知,CUMSA能够高效、正确地进行蛋白质折叠结构预测.     

P_*(κ)线性互补问题的二阶预估-校正内点算法

提出了一种求解P()线性互补问题的不可行大邻域二阶预估-校正内点算法,在一步迭代中,算法只需进行一次矩阵分解,且具有代数复杂度C(1+κ)5/2n5/4 1ogε-1,数值实验验证了算法的有效性.     

P*(κ)线性互补问题的预估-校正内点算法

通过修正大邻域跟踪算法的搜索方向, 提出一种新的求解P*(κ)线性互补问题(LCP)的不可行预估-校正内点算法, 并对算法进行了收敛性分析, 证明了该算法具有目前最好的理论复杂度O((1+κ)^5/2nL). 数值结果验证了算法的有效性.