求解一类非标准DC规划的最优可视点算法

基于借用定位理论中的“可视性 (visibility)”假设 ,我们提出了求解非标准DC问题的一种外逼近方法 ,称之为最优可视点算法 ,从而获得问题的全局最优解 ,并证明了算法的收敛性 .该方法当非凸变量的数目较少时是有效的、实用的 .它为非标准DC问题提供了一种新的求解途径     

一类无约束DC规划的全局最优解

本文研究一类特殊的DC规划,给出该类DC规划的最优性条件,并利用凸函数性质获得了这类DC规划全局最优解的充要条件.     

求非线性规划全局最优解的一个算法

首先给出了判别ｆ（ｘ）的极小值点ｘ０∈Ｄ是否为ｍｉｎ ｆ（ｘ）的最优解的充分必要条件,在此基础上,给出了求一元函数及多元函烽全局最优解的方法,此外,还给出了求一元函数极值的一个迭代算法。     

求解一类整数规划问题最优解的算法

本文给出了求解一类整数规划问题所有最优解的两个算法．一个算法较为简单，其时间复杂性为O（n）,另一个算法求解较为快速，其时间复杂性为O（log n）.     

特殊反凸规划的非孤立最优解

考虑下面的反凸规划问题(RCP):(RCP)minf0(z)s.t.fm(z)≤1, m=1,...,p,fm(z)≤1, m=p 1,...,M,z∈Ω={z|zil:=ln yil≤zi≤ln yiu=:ziu<∞, i=1,...,n0},其中,fm(z)=∑Tmt=1δmtexp(∑n0i=1ηmti zi),m=0,1,...,M. Zaleesky[1]指出反凸约束在很多经济管理应用中会出现.问题(RCP)的主要困难在于反凸约束的出现,它破坏了可行域的凸性甚至连续性. 少数论文[2]致力于求解一个凸函数在线性和反凸约束下的全局最优解.关于全局求解问题(RCP)的研究进展很小,故很有必要研究它.     

特殊反凸规划的非孤立最优解≤

考虑下面的反凸规划问题（RCP）：（RCP）{min f0（z） s.t.fm（z）≤1,m=1,…,p,fm（z）≥1,m=p＋1,…,M, z∈Ω={z｜zi^l：=lnyi^l≤zi≤lnyi^u=：zi^u〈∞,i=1,…,n0},     

基于文化算法的投资组合规划问题求解

运用两种版本的文化算法对投资组合的非线性规划模型进行求解,并与进化规划算法进行了比较.仿真实验表明,与进化规划相比,文化算法的两个版本均能以更快的速度稳定地收敛到全局最优解,因此采用文化算法求解此类非线性优化问题更为有效.     

解一类全局优化问题实质ε-最优解的一个新方法

在实质ε-最优解的条件下,保证实质ε-最优解的稳定,文中将一个约束推广到多个约束,给出了等价命题及求解实质ε-最优解的一个新的算法。     

求解二次双层规划问题的全局最优解

针对现有的一些逼近算法在计算过程中有时得到的解为不可行解, 甚至远离真正全局最优解的问题, 给出一种解二次双层规划非孤立全局最优解的算法. 数值实例结果表明, 该算法行之有效.     

一类双凹规划问题的外逼进方法

用双凹函数的一个重要性质 ,借助于外逼近方法 ,给出了双凹函数在可分离的有界凸多面集上整体最小问题的有限终止算法     

一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法(GOM)来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解.     

一类非线性规划的对偶算法

求解非线性规划问题的常用方法有最速下降法、罚函数方法等等，文中主要考虑了应用对偶算法来讨论一类非线性规划（正项非线性规划）的最优解。     

一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法（GOM）来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解．     

求解非线性优化问题改进的进化规划算法

针对带有边界变量的非线性优化问题,提出了一种改进的进化规划算法.该算法首先把每个个体看作为带有不同质量的粒子,根据目标函数值定义个体的质量.基于聚类思想,选取一定数量的点,然后利用选取的点分别求出于每个点相对应的重心,以每个点与其重心的连线方向为变异方向.最后把该方法应用到几个典型数值例子中,并与基本进化算法进行比较,数值结果表明算法是可行的、有效的.     

求解一般D.C.规划的全局最优解

给出一种求解一般D.C.规划非孤立全局最优解的算法. 该算法克服了目前一些逼近算法在计算过程中有时得到的解为不可行解、 甚至远离真正全局最优解的问题. 数值结果表明了算法的有效性.     

非线性规划问题的全局最优解的充要条件及其算法模型

给出了非线性规划问题(NP)的全局最优解的充分必要条件,建立了求该问题全局最优解的一个算法模型.     

凸规划的一种对偶内点算法

将带有不等式约束的凸规划问题转化为拉格朗日对偶问题,构造了一种求解凸规划的偶内点算法,证明了在不存在对偶差的情况下,当对偶变量序列收敛到对偶问题最优解时,原始变量序列收敛于原始问题的最优解。     

基于反凸规划的两层线性规划问题全局最优解算法

利用两层线性规划的全局最优解可在其约束域的极点上达到这一性质,通过对问题可行解集合的结构进行探讨,将两层线性规划转化为带有反凸约束的线性规划,建立了一个新的全局解算法,证明了算法能收敛到问题的全局解,并通过一个算例说明了算法的求解过程．     

求解非线性规划全局最优解的单参数T-F函数法

给出了求解一般非线性规划问题全局最优解的含单参数的T-F函数方法,而且讨论了所构造的T-F函数的几个性质,按照其理论性质设计了一个T-F函数算法,并进行了数值试验,数值实验表明,所给的方法是有效的.     

求解混合整数双层规划的凸组合算法

利用罚函数思想和最优值函数的概念将混合整数双层规划转化为连续变量的单层非线性规划,然后用事先确定步长的凸组合算法迭代求解此单层非线性规划,进而得到原双层规划的局部最优解.