线性比式和问题的全局优化算法

为求解线性分式规划问题(P),提出一个分枝定界算法.首先通过转化技巧,导出问题(P)的等价问题(Q),然后利用线性化方法,得到(Q)的线性松弛规划问题(RLP).从而,初始非凸规划问题归结为一系列线性规划问题的求解.数值试验表明算法是可行的.     

基于最小二乘谐波拟合的置信水平计算方法

结合Lomb最小二乘谐波拟合的方法和Scargle归一化功率谱的置信水平的解析公式,给出了一种计算谐波拟合置信水平的方法.该方法的优势在于:直接计算拟合量的振幅,并给出拟合振幅的置信水平,物理意义明确;能够对多个频率进行扫描和拟合并给出各频率对应振幅的置信水平;通过对置信水平最大的频率进行拟合,获得时间序列的周期性变化规律.最后,通过数值试验说明了本方法的优势和实用性.     

广义d-ρ-(η,θ)一致不变凸多目标规划的最优性条件及对偶

在d-ρ-(η,θ)不变凸和一致凸函数基础上,提出了d-ρ-(η,θ)一致不变凸函数,并研究了广义d-ρ-(η,θ)一致不变凸多目标规划下可行解为有效解或弱有效解的几个充分条件,以及Mond-Weir和Wolf型下对偶的相关结论.     

基于粗糙集属性约简与进化算法的贝叶斯网络分类器

提出一种新的学习无约束贝叶斯网络分类器的算法（RE-BNC）.该算法基于粗糙集理论,在保证分类精度不变的前提下,先对冗余属性变量进行约简,降低属性变量维数,然后构建一个无约束优化模型用来学习较好的初始种群,降低搜索空间,再结合进化算法学习分类器的网络结构.与其他常见的8种分类器算法相比较,实验结果表明该算法设计合理,且分类效果较好.     

半(E,F)-凸函数多目标规划的对偶性

利用半(E,F)-凸函数的有关性质讨论了半(E,F)-凸函数多目标规划的弱对偶定理,直接对偶定理和逆对偶定理.     

强预不变凸多目标规划的Mond-Weir型对偶

利用强预不变凸函数的性质,提出了多目标规划问题的Mond-Weir型对偶理论中的弱对偶定理、强对偶定理以及逆对偶定理.     

求二次规划问题全局解的新加速方法

目的为求目标函数为一般二次函数的二次规划问题,提出一个新的加速算法。方法通过结合两个加速技巧,并将其置于分支定界算法框架下,给出一个新的全局优化算法。结果该方法可以有效地确定出不定二次规划问题的全局最优解。结论理论上证明了算法的收敛性,数值算例表明算法是有效可行的。     

基于精英邻居引导的萤火虫算法

由于萤火虫的移动采用的是全吸引模型,所以当迭代过程中有移动时,可能会存在振荡较大、时间计算复杂度较高等问题.为了克服这些不足,提出了一种基于精英邻居引导的萤火虫算法.算法通过利用精英邻居的信息引导萤火虫的移动,减少振荡的发生,降低时间计算复杂度.同时,若某只萤火虫周围不存在精英邻居,则利用自身的信息进行反向学习以提高算法跳出局部最优的能力.数值实验表明本文算法的鲁棒性、寻优精度及搜索速度均优于其他几种算法.     

基于单纯形剖分确定非线性比式和问题全局解的新方法

针对经济与金融中出现的一类特殊非线性比式和问题,给出一种基于单纯形剖分的全局优化算法. 在算法中, 通过构造初始单纯形, 以及使用凸包络理论, 提出了一个确定原问题最优值下界的新方法. 在确定下界的同时, 将会得到原问题的n+1可行解, 这些可行解可以用于上界的改善. 理论上证明了算法的收敛性, 数值算例表明算法是有效可行的.     

求广义几何规划全局最优解的新的线性化方法

针对广义几何规划问题提出了一种确定型的全局优化方法,给出了一种构造目标函数及约束函数下界函数的新方法,从而建立了广义几何规划问题的松弛线性规划.通过对线性规划问题可行域的细分以及一系列的线性规划问题的求解,从理论上证明了该算法全局收敛性,数值实验表明了算法的可行性.