∈-最优解与相应的ε-有效解的关系

考虑多目标优化问题中ε-有效解存在的必要条件。主要讨论了多目标优化问题的三种纯量化方法，并确定了多目标优化问题的ε-有效解和三种纯量优化问题的∈-最优解的相应关系。     

参数优化问题最优值函数的ε-次微分表述形式

研究参数优化问题最优值函数φ(x)=inf{P(y)|y∈Φ(x)}的ε-次微分,改进了Truong在参考文献[5]中定理3.4的条件,给出了最优值函数ε-次微分表述形式.     

一类规划问题最优解的存在性和唯一性

本文讨论了一类多目标规划问题，得到了最优解存在和唯一的充分条件。     

线性规划问题有无穷多个最优解的判别方法

本文给出了如何用求线性规划的基本方法单纯形法判别线性规划问题有无穷多个最优解的方法，特别地给出了在线性规划问题最优基单纯形表中存在某个非基为量的检验数为零而且这和对应的列向量无正元素时，这种用单纯形法无法迭代是，无穷多个最优解的判别方法，并相应给出了如何从一个已知最优解，求出其它一些最优解的方法。     

向量优化问题广义弱有效解的存在性

主要研究向量优化问题广义弱有效解的存在性,利用广义弱有效解和广义向量平衡问题解的特殊关系,从广义向量平衡问题的结果入手,通过相应条件的转化,得到了广义弱有效解在可行集有界时的存在结果.进而,通过对目标函数和可行集的渐近分析,将这个结果推广至可行集无界的情形,此时目标函数是拟单调的.     

多目标优化问题有效解的一阶必要条件

本文研究一类满足等式、不等式及抽象集约束的多目标优化问题．我们引进一个约束品性条件,在此条件下得到了有效解的必要条件．同时我们也给出使得约束品性成立的充分条件．     

求非线性系统最优解的几种算法

非线性系统在现时生活中大量而广泛地存在着，本主要归纳了几种多元函数非线性规划问题求最优解的几种常见算法及特性．     

多目标最优化问题非劣解的存在性

在引入一个多目标极小化模型的辅助问题的基础上,通过对多目标最优化问题非劣解判别准则的分析,讨论非劣解的存在性问题,并给出了非劣解存在的充分条件。     

区间凸二次规划问题弱最优解的判别

基于凸二次规划中的KKT条件,讨论了带区间数的凸二次规划的最优解问题.针对约束域为不等式且变量有符号限制的区间凸二次规划,给出了检验弱可行解是否为弱最优解的充要条件.     

线性规划问题的最优解

在标准型线性规划问题的最优单纯形表的基础上,得到规划问题的所有最优解的表达通式和从表上判定规划问题有唯一最优解还是有无穷多最优解的几个判定定理。可为用线性规划解决实际问题提供理论依据．     

一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

非凸非光滑向量优化弱有效解的充分条件

本文通过引入非光滑的伪不变凸函数,分别对有限维和无限维向量优化问题给出了弱有效解的充分条件。     

一类群体交叉决策的联合最优解的存在性

对一类群体多目标交叉决策问题的联合最优解的存在性进行了初步探讨．交叉决策是具有冲突特征问题,也可以说是广义对策问题,它的引入背景来源于具有冲突的经济均衡问题     

弱有效集上凹函数极大问题的分枝定界算法

弱有效(有效)集上的优化是处理多目标线性规划的一种重要途径.考虑了弱有效集上凹函数的极大问题.这个优化问题主要有两方面的困难一方面,弱有效集一般说来不再是凸集;另一方面,该问题不属于存在一个全局最优解在多面体集的一个极点处取得的一类问题.因此,提出的方法的主要思想是问题首先被转化为Rk+1空间中一个特殊全局优化问题;其次,对这个问题建立了一个分枝定界型算法.算法的分枝过程采用锥形剖分,定界过程通过求解普通的线性规划实现;最后,对算法的收敛性进行了分析.     

集值函数向量优化锥弱有效解的最优性条件

本文在局部凸拓扑向量空间中对集值函数向量优化的锥弱有效解给出了ＦｒｉｔｚＪｏｈｎ型和Ｋｕｈｎ－Ｔａｃｋｅｒ型必要条件，同时还给出了它的充分条件．     

模拟退火算法的改进

本分析了多目标优化问题和物体退火之间的关系．由于存在类比关系，使得模拟退火解决多目标问题成为可能，从而拓宽了模拟退火算法的应用范围．     

资源的影子价格与对偶最优解的非唯一性

本文着重研究了对偶最优解非唯一的充要条件，以及在其非唯一时，从中直接确定影子价格y^*的简单方法．     

关于线性规划最优解唯一的几点注释

文章改进了线性规划问题最优解唯一存在的充分必要条件，同时也修正和弥补一些教材或专著在此问题上的错误和不足．     

基于当前最优解的反向差分进化算法求解函数优化问题

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.