求解极大单调包含问题的一种新的近似邻近点算法

采用经典的非精确邻近点算法作为预测步,并采用当前迭代点的一个凸组合作为校正步,提出了一种新的用于求解极大单调包含问题的近似邻近点算法.在仅要求解集非空的前提下,证明了新算法具有全局收敛性.一些现有算法可以看作是新算法的特殊情形.     

含不确定参数线性优化的新鲁棒优化模型

针对椭球不确定数据鲁棒线性优化模型的保守性,提出了一种新的鲁棒线性优化模型。通过引入新的距离公式,把椭球不确定数据映射到单位球中,以此来改进鲁棒线性优化模型。新模型克服了原模型对数据扰动较大时的保守性,从而在解的鲁棒性和最优性之间得到一个比较好的平衡。通过对几个标准实际问题的测试,结果表明新模型在保证解的鲁棒性的同时具有良好的最优性。     

混合人工蜂群算法

针对人工蜂群算法收敛速度慢、容易出现“早熟”的缺点,提出了一种混合的人工蜂群算法 (hybrid artificial bee colony, HABC)。在人工蜂群算法的迭代中引入淘汰规则和新的搜索策略,以提高算法的收敛速度;同时,为了维护群体的多样性,对种群中的个体采用差分进化。通过对一个调频(frequency modulated, FM)合成器参数优化问题测试,表明该算法能够有效地克服“早熟”现象,提高了全局寻优的能力。将其应用于线性系统逼近问题,仿真实验表明该算法是快速有效的。