基于遗传蚁群算法的港口集卡路径优化

为了解决港口中存在的集卡拥堵问题,在集装箱龙门吊装卸工艺系统下,探讨了影响集卡作业效率的因素和集卡路径构成成本, 建立了面向"作业面"的港口集卡路径成本优化模型. 针对这一模型设计了遗传蚁群算法并结合实例对问题求解, 且从集卡路径收敛、可变成本、惩罚成本和总成本的变化四个方面将该优化结果与蚁群算法的寻优结果进行对比, 证明遗传蚁群算法能够较快地收敛于最优解且所得成本更小.     

具闭凸集约束选址问题的简捷算法

对具闭凸集约束的建造发电厂，仓库，炼油厂，飞机维修厂，商业大厦等的选址问题，原有的算法或当在迭代过程中遇极点时不能继续进行，或算法形式复杂，针对较Fetmat场址问题更一般的单场址问题，给出一种具有全局收敛性的简捷算法，该算法本质上属梯度法，但克服原先梯度法在遇极点时迭代不能继续的缺陷，且一般不需做线性搜索，同时算法具有较快的收敛速度。     

混合系统的形式验证方法

在介绍混合系统形式验证概念的基础上，从可达集表示和可达集计算方法的角度比较了混合系统的各种形式验证方法和验证工具。重点介绍了模型检验方法中的收敛近似方法和过近似方法，通过一个化工过程系统的验证实例详细介绍了验证工具CheckMate的验证算法。最后分析了混合系统形式验正的难点问题和主要研究方向。     

知识进化策略

根据卡尔.波普尔的知识进化论原理,建立了知识进化策略的基本框架,并给出了一种用于求解无约束非线性优化问题的具体实现步骤。知识进化策略的核心思想,就是假说集与知识集的协同进化,二者之间通过猜测与反驳法联系起来,其进化结果最终逼近真理,即待求解问题的最优解。对12个经典测试函数进行性能仿真实验,结果表明该算法收敛速度有很大提高,并且在一定程度上抑制了早熟现象。     

一种促进PSO全局收敛的参数调整策略

模拟鸟群捕食行为的粒子群算法存在早熟收敛问题。理论和实验都证明了粒子群算法参数确定局部搜索能力与全局搜索能力的比例关系,对算法的收敛能力影响极大。对现有的参数调整策略进行了分析,指出了存在的问题。借鉴免疫机制中的多样性和变异理论,提出一种新的参数调整策略,该策略基于抗体的亲和力和粒子的聚集程度来确定粒子的最优适应值变化率及算法参数值。对经典测试函数的实验结果表明,提出的参数调整策略使算法的全局收敛能力得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题。     

基于改进的模糊C-均值的分级递减聚类算法

提出了基于改进的模糊C-均值的分级递减聚类算法,利用改进的模糊C-均值聚类算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类数数据集的聚类。实验结果表明,本算法对未知类数、具有高斯分布的数据集具有聚类效果好、收敛快的特点,且对于类数较多的数据集,本算法也是一种快速聚类算法。     

求解隐式差分方程的一类高精度并行迭代法

为提高并行迭代法的计算精度,提出了一类高精度、无条件稳定、三层格式的并行迭代算法。用矩阵理论证明了迭代的收敛性,推证了网格加密时的渐进收敛性质。结果表明:对三层格式进行迭代处理,不仅能保证其计算精确度,而且具有很好的收敛速度与渐进收敛性质。数值算例验证了理论分析的正确性,表明了算法的可行性与有效性。     

基于粗集的正交小波网络预测模型研究

为满足复杂工程预测问题的需要,把粗集理论与正交小波网络相结合,建立了一种基于粗集的正交小波网络预测模型。应用主成分分析方法解决了正交小波网络多维输入时的维数灾难,提高了网络的收敛性和预测的时效性。预测模型兼容了正交小波网络和粗神经网络的优良特性,具有良好的函数逼近能力和极强的鲁棒性,特别适合于具有随机因素的高精度预测问题。仿真研究表明,模型的预测精度和收敛速度优于小波框架神经网络。     

进化规划中防治早熟收敛的方法

对进化规划中容易出现的早熟收敛现象做了分析，定义了刻划早熟收敛现象的两个量，针对预防和处理早熟收敛现象，将小生境技术引入EP的竞争选择机制预防早熟收敛的发生，并使用重开始策略来解决早熟收敛发生后搜索如何继续有效进行的问题，引入这两种方法后的进化规划能够很好地克服早熟收敛带来的不利影响，性能得到明显提高，对典型函数的数值仿真实验证明了这两种方法的有效性。     

探索曲面结构的小生境遗传算法

提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和约束交叉算子GC，定性地分析了它们的作用机制，给出了基子仿真实验数据的遗传算法收敛速度和全局收敛可靠性的定量计算方法。仿真实验数据表明，PLS能有效地提高搜索速度并维持足够的种群基因多样度，GC可有效地微调解的质量，使改进的遗传算法的全局收敛速度和收敛可靠性均显著地优于标准遗传算法，并具有良好的鲁棒性和稳定性．     

A VARIATION OF GOLDFARB'S METHOD FOR LINEARLY CONSTRAINED OPTIMIZATIONPROBLEMS AND ITS SUPERLINEAR CONVERGENCE RATE

1.IntroductionRosen'sgradientprojectionmethodisaveryinterestingtechniqueinoptimization(see[1,2]),butitsglobalconvergenceisalong-standingopenproblemintheliterature.Thefirstconvergentversionwasfoundbyp.l.k[3].ButPolak'sversionistoocomplicated.Du[4]alsofoundasimplerconvergentversionbydeletingPolak'sspecialprocedure.CombiningRosen'smethodwithvariablemetricmethods,Goldfarb[sl,MurtaghandSargentl'lobtainedtwoefficientalgorithms.Theconvergenceofsuchalgorithmsisstillanopenproblem.However,severalcon…     

End-to-end rate-based congestion control with random loss: convergence and stability

The convergence and stability analysis for two end-to-end rate-based congestion control algorithms with unavoidable random loss in packets are presented, which can be caused by, for example, errors on wireless links. The convergence rates of these two algorithms are analyzed by linearizing them around their equilibrium points, since they are globally stable and can converge to their unique equilibrium points. Some sufficient conditions for local stability in the presence of round-trip delay are obtained based on the general Nyquist criterion of stability. The stability conditions can be considered to be more general. If random loss in the first congestion control algorithm is not considered, they reduce to the local stability conditions which have been obtained in some literatures. Furthermore, sufficient conditions for local stability of a new congestion control algorithm have also been obtained if random loss is not considered in the second congestion control algorithm.     

多目标决策的逼近方法（Ⅰ）：理论分析

本文将函数序列的ｖ－收敛性（ｖａｒｉａｔｉｏｎａｌｃｏｎｖｅｒｇｅｎｃｅ）推广到向量值函数，在ｖ－收敛性的条件下得到了给定的多目标决策问题的近似弱有效解集的下半连续性并给出了若干容易验证的充分条件．在一致收敛性和不变凸性（ｉｎｖｅｘｉｔｙ）的条件下得到了近似有效解集的连续性．作为本文一般性结果的应用，得到了求解多目标ｍｉｎｉｍａｘ（最小最大）问题的一种有效的逼近方法：极大熵方法的收敛性质．     

热工网络问题的大范围收敛解法

提出了热工网络问题的大范围收敛迭代解法,该算法避免了普通的直接差分方法所带来的稳定性困难,满足了过程仿真的收敛性与实时性的要求,为工业过程的建模与仿真提供了新的思路。本文还给出了一个仿真计算的例子。     

基于随机用户均衡的交通配流演化动态系统模型

首先提出一个刻画交通配流演化的动态系统模型.该模型描述了路径流量日复一日的动态调整过程,而且其稳定状态对应于Logit随机用户均衡状态.随后分析了该模型的几个特征,包括模型稳定状态与随机用户均衡状态的等价性、模型稳定点的唯一性和模型收敛性.所提出模型被刻画作一个离散的动态系统,且具有一般的形式,文中也给出了它的一个具体形式.最后,利用一个数值算例对该动态系统模型的应用及性质进行了说明.该研究有助于更好地理解路径流量日复一日的动态调整过程.     

遗传算法的Markov链分析与收敛速度估计

主要利用Ｍａｒｋｏｖ链讨论一类遗传算法（简称ＧＡ）的ｒ阶收敛性与收敛速度．首先介绍了ＧＡ的Ｍａｒｋｏｖ链状态空间的分类,按此分类,证明了Ｍａｒｋｏｖ链的一步转移概率矩阵为下三角矩阵,进而分析了ＧＡ的ｒ阶收敛性及其它形式的收敛性．最后讨论了ＧＡ的收敛速度．     

Convergence and stability of the Newton-Like algorithm with estimation error in optimization flow control

The Newton-Like algorithm with price estimation error in optimization flow control in network is analyzed.The estimation error is treated as inexactness of the gradient and the inexact descent direction is analyzed.Based on the optimization theory,a sufficient condition for convergence of this algorithm with bounded price estimation error is obtained.Furthermore,even when this sufficient condition doesn't hold,this algorithm can also converge,provided a modified step size,and an attraction region is obtained.Based on Lasalle's invariance principle applied to a suitable Lyapunov function,the dynamic system described by this algorithm is proved to be global stability if the error is zero.And the Newton-Like algorithm with bounded price estimation error is also globally stable if the error satisfies the sufficient condition for convergence.All trajectories ultimately converge to the equilibrium point.     

NONMONOTONIC TRUST REGION PROJECTED REDUCED HESSIAN ALGORITHM WITH TWO-PIECE UPDATE FOR CONSTRAINED OPTIMIZATION

This paper proposes a two-piece update of projected reduced Hessian algorithm with nonmonotonic trust region strategy for solving nonlinear equality constrained optimization problems. In order to deal with large problems, a two-piece update of twoside projected reduced Hessian is used to replace full Hessian matrix. By adopting the Fletcher's penalty function as the merit function, a nonmonotonic trust region strategy is suggested which does not require the merit function to reduce its value in every iteration. The two-piece update of projected reduced Hessian algorithm which switches to nonmonotonic trust region technique possesses global convergence while maintaining a two-step Q-superlinear local convergence rate under some reasonable conditions. Furthermore, one step Q-superlinear local convergence rate can be obtained if at least one of the update formulas is updated at each iteration by an alternative update rule. The numerical experiment results are reported to show the effectiveness of the propo     

A NEWTON MULTIGRID METHOD FOR QUASILINEAR PARABOLIC EQUATIONS

A combination of the classical Newton Method and the multigrid method, i.e., a Newton multigrid method is given for solving quasilinear parabolic equations discretized by finite elements. The convergence of the algorithm is obtained for only one step Newton iteration per level. The asymptotically computational cost for quasilinear parabolic problems is O（NNk） similar to multigrid method for linear parabolic problems.     

ON CONVERGENCE AND RATE OF CONVERGENCE OF ALGORITHMS IN THE MOVER－STAYER MODEL

ＯＮＣＯＮＶＥＲＧＥＮＣＥＡＮＤＲＡＴＥＯＦＣＯＮＶＥＲＧＥＮＣＥＯＦＡＬＧＯＲＩＴＨＭＳＩＮＴＨＥＭＯＶＥＲ－ＳＴＡＹＥＲＭＯＤＥＬＷＡＮＧＤｏｎｇｑｉａｎ；Ｌａｗｏｋｏ，Ｃ．Ｒ．Ｏ．（ＤｅｐａｒｔｍｅｎｔｏｆＳｔａｔｉｓｔｉｃｓ，ＭａｓｓｅｙＵｎ...