基于割平面的随机规划分解方法

以两阶段随机规划为例,给出了基于割平面的三种分解方法：L型方法、多切割方法和自适应多切割聚合算法。三种方法都是以割平面为基础,将大规模问题分解为一系列小规模问题进行求解,从而降低了求解的规模。通过分析三种方法的优缺点,得到用自适应多切割聚合算法求解大规模问题时在计算时间方面的优越性,并给出了今后研究的方向。     

基于递归的同尺寸矩形最优剪切排样算法

对同尺寸矩形毛坯剪切排样中的动态规划算法进行改进,给出了改进算法的基本设计原理、语言描述和一例系统排样输出.算法采用树型递归调用策略将板材按要求切成同尺寸矩形件,并使所产生的废料最少.实验结果表明,与原算法相比,可使循环计算次数大大减少,运算效率有较大提高.     

及时条件下订货策略的随机双层规划模型及求解算法

给出及时条件下订货策略的随机双层规模模型.模型中将及时条件下的订货价格设为随机参数.采用基于随机模拟的遗传算法对模型进行求解,并给出算例来说明模型及算法的有效性,最后给出结论以及未来的研究方向.     

一种求解非线性规划问题的粒子群算法

为了求解非线性混合整数规划问题,提出了一种基于随机游走的粒子群优化算法(RWPSO).构造出自适应的惯性权重,平衡了算法的全局和局部搜索能力;提出了一种"随机游走"行为,增强粒子的局部寻优能力;为了防止算法出现早熟收敛现象,提出了"优胜劣汰"更新机制.最后,为了验证算法在求解非线性混合整数规划问题方面的可行性和有效性,将提出的算法用16个常用的测试函数进行了测试并与其他3种算法比较.实验结果表明,RWPSO算法在精确度和成功率方面得到了很大的提高.     

冲裁条带三块排样方式的动态规划算法

讨论冲裁件无约束两维剪冲排样问题.采用三块排样方式,简化切割工艺.排样时用2根呈T型的分界线将板材分成三块,同一块中所有冲裁条带的方向和长度均相同.采用动态规划法确定所有可能尺寸的块里面条带的最优组合,采用枚举法确定2根分界线最优位置,目标是使排样方式的价值达到最高.使用文献中的例题对该文算法进行了测试,将算法与著名的T型排样算法和两段排样算法进行了比较.实验结果表明,该算法得到的排样方式的价值高于以上两种著名算法,而且计算时间合理.     

不确定优化问题的研究动向

讨论了不确定优化问题的研究方法，综述了随机规划、模糊优化和区间优化这三类不确定优化问题的主要研究算法、优缺点，提出了进一步研究的发展方向。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

基于平滑A~*算法的移动机器人路径规划

栅格环境下A*算法规划出的移动机器人路径存在折线多、转折次数多、累计转折角度大等问题.为获得较优路径,提出平滑A*算法.在A*算法规划的路径基础上,遍历路径中的所有节点,当某一节点前后节点连线上无障碍物时,将延长线路的这一中间节点删除,建立平滑A*模型.仿真结果表明,平滑A*算法优于Ant(蚁群),Anyti me D*算法.平滑A*算法路径长度降低约5%,累计转折次数降低约50%,累计转折角度减少30%～60%.平滑A*算法能处理不同栅格规模下、障碍物随机分布的复杂环境下移动机器人路径规划问题.     

递相祖述复先谁——李退溪所捍卫的朱子义利说

根据传统快速搜索随机树算法(rapidly random-exploring trees,简称RRT)搜索速度快、所需时间短,但随机性大以及约束不足等特点,建立了直道和弯道的期望路径模型,采用高斯分布描述随机采样点,并引入启发式搜索机制,改进RRT算法.与原算法仿真对比,结果表明：改进算法所规划的路径质量显著提高,规划时间缩短一倍.同时,在Prescan软件中搭建直道和弯道仿真场景,跟随规划路径,结果表明：改进后RRT算法所得路径具有很好的跟随效果,且侧向加速度在车辆稳定性要求范围内,说明采用改进后的RRT算法进行汽车局部路径规划可行实用.     

电力系统的随机潮流分析

本文以牛顿拉夫逊法潮流计算为基础提出了一种新的随机潮流线性化系统.该系统充分利用了潮流计算结果,使随机潮流程序和计算大为简化.文中首次提出了随机静态稳定分析的概念,为研究电力系统运行方式、校验规划网络的可行性提供了简单而有效的工具.本文利用Gram-Charlier级数减少了随机潮流卷积的运算量.数字例表明,计算的精度是令人满意的,计算的速度明显超过了目前的算法。     

多目标随机规划的交互遗传算法

利用遗传算法在处理过程中不依赖问题的种类,并具有较强鲁棒性等特点,提出了一种基于交互式的求解多目标随机规划的遗传算法,算法的意思是,结合小生境技巧和构造Pareto选优过滤器的手段,通过与决策者的反复交互对话,最后得到使决策者满意的问题的Pateto有效解集。     

需求随机情况下向多个供应商采购的期望值模型研究

研究当需求量巨大且勾随机变量时,单一供应商无法满足供货要求情况下的多供应商采购-库存问题。建立了一个向多个有能力约束的供应商采购的库存模型;由于考虑需求量为随机变量,采用期望值模型对问题进行建模,基于随机模拟的遗传算法对模型进行求解并给出算例来说明模型及算法的有效性,最后给出结论,提示未来的研究方向。     

一种改进Wolef-BFGS-SQP法对随机规划的研究

基于拟蒙特卡洛随机模拟的Wolef—BFGS—SQP法对随机规划的再研究。对于求解LCI函数优化的BFGS—SQP算法,改用Wolef线性搜索原则,同样得到了该算法的全局收敛性,并把它推广到解决随机规划的问题上去。在随机模拟过程的处理上采用拟蒙特卡洛随机模拟技术,鉴于计算量比较大的问题,采用仅多加一个线性约束的信赖域技术计算,即可克服收敛慢等的缺点。     

蒙特—卡罗方法在随机规划中的应用

提出一个用统计方法即蒙特－卡罗方法解随机线性规划的算法框架。对那些具有高维随机数的情况是一种很有前景的解算方法     

不确定信息条件下制造/再制造物流网络优化设计

针对制造/再制造集成物流网络中回收产品的数量及质量的不确定性,提出将回收产品按质量等级分为可用于再制造和需要报废处理两类,并将其数量都看成随机参数.以投资成本和运输成本最低为目标函数,建立基于机会约束条件的随机规划模型,以确定物流设施的数量、位置和物流量.提出采用混合智能算法直接求解,避免现有研究中将机会约束规划转化为确定性等价类所带来的问题.通过算例验证了模型及算法的有效性.     

不确定性条件下储能配置辅助决策方法

针对新能源消纳中储能电源配置问题,基于随机规划理论,建立了考虑需求场景不确定性的储能电源配置期望值模型,提出基于场景聚类和遗传算法相结合的模型求解算法步骤,并基于某典型区域电力系统进行算例分析,验证方法的可行性和有效性.研究表明:基于期望值模型的储能配置辅助决策方法能够较好地量化新能源功率波动带来的需求场景不确定性,实现目标期望值的最优化.     

求解一类随机规划的Monte Carlo模拟方法

通过对目标函数和约束函数同时抽样,提出了基于Monte Carlo模拟的遗传算法,通过逐步增加样本容量和遗传进化代数以得到满足精度要求的近似最优解,并且通过统计方法讨论样本容量的迭代终止条件,以减少Monte Carlo随机模拟的盲目性;同时给出了最优解的表达形式以及算法的迭代终止条件;数值实验证明了方法的有效性。     

油藏经营管理的人力资源规划模型研究

人力资源规划是油藏经营管理的关键,以油气产量最大化为目标,成本、人员需求等为约束,建立了人力资源规划的随机机会约束规划模型,并给出了模型的混合智能算法.实例表明,模型、方法科学有效,为油藏经营管理的人力资源规划提供了科学决策依据.     

随机规划问题的两种分解算法研究

以二阶段随机规划为例,给出了两种分解算法:基于内点的原始-对偶分解算法和基于Benders分解的算法,此两种算法都是通过将多阶段随机规划中的变量加以分解,生成一系列只含有单变量的规划问题,通过对这些小规模确定性规划问题的求解构造迭代过程,最终收敛到原问题的最优解。     

一类随机规划问题的近似Lagrange-Newton算法

通过利用MonteCarlo模拟方法近似目标函数及其一(二)阶信息,给出了带有补偿的随机二次规划问题的一个近似不可行Lagrange—Newton算法,并在依概率1条件下证明了它的全局收敛性和局部超线性收敛性。