线性分式规划全局最优解的确定性方法

针对分式规划问题的求解,给出一个确定性全局优化算法.首先将原问题转化为一个等价问题,然后利用线性化技巧,建立等价问题的松弛线性化问题.通过对可行域的不断剖分以及一系列松弛线性化问题的求解,逐步求得原问题的最优解.理论上证明了算法的收敛性,数值算例表明算法是可行的.     

线性乘性规划的因式输出空间分支定界算法

提出了一种新的线性乘性规划问题（LMP）的因式输出空间分支定界算法,首先利用目标函数中每个乘积项的一个因式作为变量构成输出空间,并对其进行超矩形的对分,同时在每次迭代时用松弛线性规划确定原问题（LMP）的下界,并证明了算法的收敛性,数值实验表明提出的方法是可行的.     

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.     

线性分式和规划问题的全局优化算法

提出一种求解线性分式和规划问题的分支定界算法.该算法首先利用等价转换技巧构造出原问题的等价问题,然后通过凹凸性包络技术建立等价问题中目标函数与约束函数的下逼近函数,得到其线性松弛规划,从而将原来的非凸规划问题转化为一系列线性规划问题,以确定原问题最优值的下界.从理论上证明了算法的收敛性,并用数值试验验证了算法的可行性和有效性.     

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。     

全局求解符号线性比式和问题

对符号线性比式和问题(P1)提出了一种分枝定界全局优化算法,这种方法能求得原问题的非孤立最优解,从理论上证明了该算法的有限收敛性.最后数值实验表明了提出方法的可行性.     

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.     

求非凸二次规划全局最优解的分解线性化方法

对非凸二次规划(QP)问题提出新的确定性全局优化算法,该算法先对目标函数进行分解得到可分的等价问题,再根据相应函数的线性下估计建立原非凸二次规划的线性松弛规划,同时在分枝定界方法中使用区域删减准则来加速算法的收敛性.理论分析和数值计算表明提出的算法是收敛且有效的.     

一类多乘积问题的全局优化方法

给出一类多乘积问题(P)的全局优化方法.首先将(P)转化为其等价问题(Q),利用变量代换,把(Q)写成(EQ)形式,然后建立(EQ)松弛线性规划(RLEQ),通过求解一系列线性规划问题,不断更新最优值的上下界,证明了所给算法的收敛性,数值实验表明算法是可行的.     

一类线性比式和问题的全局优化算法

对应用于工程设计和非线性稳定性分析中的一类线性比式和问题(P1)给出了一全局优化算法.通过利用对数的性质和线性化技术,建立了问题(P1)的松弛线性规划(LRP).通过对可行域线性松弛的逐次细分以及求解一系列的线性规划(LRP)的过程,提出的算法收敛到问题(P1)的全局最优解.最终数值实验结果表明了提出方法的可行性.     

一类多乘积分式规划问题的全局优化算法

首先利用对数函数和指数函数的凹凸性构造目标函数的线性下界函数,从而建立问题(P)的松弛线性规划,然后给出求解问题(P)的分支定界算法。最后数值算例表明算法是可行的。     

一类多乘积优化问题求解的新方法

利用所考虑问题的结构特点,提出一种新的线性化方法.该方法利用函数的二阶导数信息,线性化过程更为直接.为改善算法收敛速度,提出一个新的区域缩减准则.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.     

求不定二次规划问题全局解的单调化方法

 不定二次规划是全局优化的一类重要问题,在金融、统计、工程设计等实际问题中有广泛应用。但此类问题可能存在多个非全局最优的局部极值点,所以求其全局最优解变得十分困难。运用单调优化理论提出一种求不定二次规划问题全局最优解的新方法：通过引入新变量将问题等价转化为单调优化问题,然后利用问题的单调结构进行缩减、分割、辅助问题最优值的定界等过程获得近似全局最优解。该解不仅可行且能充分接近真实的全局最优解,数值结果表明方法可行有效。     

线性分式和规划问题的分母输出空间分支定界算法

提出了一种新的线性分式和规划问题的分母输出空间分支定界算法,并证明了算法的收敛性.在这个算法中,以目标函数中每个分式的分母作为变量构成输出空间,对这些变量的取值范围笛卡尔乘积构成的超矩形进行剖分,在决策变量远远大于分式的个数时可以大大地降低计算量,同时用线性规划松弛技术确定下界.数值实验表明所提出的算法可行有效.     

一类非凸规划的分支定界算法

针对一类非凸规划问题(NP)提出有效的分支定界算法.首先,利用目标函数的特性将其转化为等价的极小化问题(P),通过对其可行域的细分和求解一系列凸规划问题,不断更新(NP)全局最优值的上下界.为提高计算效率,一个问题的最优解作为下一个问题的初始解,并提出了新的删除技术.理论上证明该算法是收敛的,数值试验结果表明算法是有效可行的.     

带多乘积约束的线性规划问题的求解新方法

根据问题的最优性和可行性提出一新的区域删除准则以排除问题(P)的可行域中不存在全局最优解的部分,结合区域删除准则和分支定界理论给出新算法.数值算例表明算法是有效可行的.