基于仿射算法的确定性全局优化算法

针对传统区间算法求解全局优化问题耗时长、空间复杂度较高及收敛速度较慢的缺点,引入仿射算法及局部优化算法,给出了一种全局优化求解的仿射算法.由局部优化算法和各求解区间上待优化函数的仿射运算得到全局最优解的一个上界,再依据对各区间仿射运算的下界与全局最优解上界的比较来确定相应区间的去留,通过对不含全局最优解的子区间的删除来确定最优解所在的子区间,并最终找到全局最优解.数值实验表明,该算法相对于传统的区间优化算法有较高的收敛速度,且占用的系统资源较少.     

改进的混沌优化算法及其在函数优化中的应用

针对基本混沌优化算法在求解三维以上的多维函数时不易求得全局最优解的局限性,通过引入解向量的优选,提出了一种改进的混沌优化算法,主要思路是通过多次可行解向量的混沌优选,将可行解定位到最优解的附近,再用二次载波进行搜索找出多维函数的全局最优解.仿真计算表明:该算法对三维以上函数可以显著提高搜索精度,收敛性能好,容易找到全局最优解.     

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.     

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.     

带有锥约束的全局最优化问题的修正拉格朗日方法

针对锥约束的非线性规划问题,给出了一个基于修正拉格朗日的全局优化算法,这类算法可广泛应用于工程设计和非线性系统分析等实际问题中.对于每一次迭代k,当εk→ε时,给出了与该锥约束修正拉格朗日方法相对应的εk—全局最优解,并证明了算法全局收敛到ε—全局最优解.     

改进混沌优化算法在水电站水库优化调度中的应用

为提高多维目标函数全局最优解的计算精度,提出了一种改进的混沌优化算法(MCOA).利用混沌运动的随机性、遍历性和规律性进行全局寻优;通过引入解向量的优选,将解向量定位到最优解的附近,从而找出全局最优解.最后将该算法应用于水电站水库优化调度问题,并进行仿真计算,计算结果验证了算法的有效性.MCOA原理简单,易于编程实现,具有较大的实用价值,为求解水电站水库优化调度问题提供了一种有效方法.     

一种逐步加强开采的人工蜂群算法

针对人工蜂群(ABC)算法开采能力差的问题,提出一种逐步加强开采能力的改进ABC算法.在雇佣蜂阶段,向局部最优解学习,并逐步增大局部最优解的比率;在观察蜂阶段,向局部最优解和全局最优解学习,并逐步增大全局最优解的比率,从而较好地平衡算法的勘探与开采能力.在CEC2014等36个函数上进行实验,结果表明,改进ABC算法的性能明显优于ABC-NS和CoDE等算法.     

蚁群算法中最优参数设置研究

蚁群算法中需要设定的参数比较多,这些参数的设置合适与否对于寻找全局最优解十分重要.本文首先介绍了蚁群算法中的关键参数;然后在基于大量仿真数据的前提下,分析全局最优解与各个参数之间的关系.     

一种求解旅行商问题的演化算法研究

旅行商(TSP)问题是一个被证明具有NP计算复杂性的组合优化问题.郭涛算法在求解TSP问题的高效率是得到广泛认可的,其算法的核心在于Inver-over算子的设计.当节点数量较多时,该算法在寻找近似最优解仍然有很好的表现,但其寻找全局最优解的能力却会下降.提出的基于基因片段插入的演化算法,它能以较高的概率找到TSP问题的最优解.文中提出一种新的演化算法,将基于基因片段插入与Inver-over算子进行融合.实验证明:新算法可有效防止解的早熟,增强了算法的全局搜索能力,使算法获得全局最优解的概率大大提高,同时仍然具备高效率的特性.     

一种新型快速的直接随机优化算法

 针对常用优化算法求解时实时性较差且易陷于局部最优解的问题, 提出一种新型快速的直接随机优化算法(DROA). 该算法直接利用随机搜索过程寻找最优解, 减少了额外计算, 降低了计算复杂度; 其搜索过程分为全局搜索和局部搜索两个阶段, 各阶段选用不同的调节参数公式和搜索方式. 先将递增参数的3个随机优化模块串接构造全局优化子, 并将多个全局优化子并行搜索构造全局优化器以获得全局最优解; 再将多个局部优化模块串接在一起运行构造局部优化器使优化解更精确. 测试结果表明, 该方法快速高效, 优于目前的全局优化算法.     

广义对偶单纯形方法

在已经得到的线性规划问题的基本解既不是原始问题的可行解，也不是对偶问题的可行解的情形下，介绍求解线性规划问题的广义对偶单纯形法，它是对偶单纯形法的推广，用此法迭代一次就可得到一个对偶可行解。     

灰色线性规划及解的探讨

灰色线性规划（GLP）是研究不确定性决策问题的一种灰色系统分析方法,它是传统线性规划（TLP）方法的一个发展,GLP方法的应用主要依赖于它的解处理的可行性,以前的方法主要是通过定义和测试“可信度”来求解,本文给出了解漂移型灰色线性规划的一种新方法。     

多目标分式规划G-Pareto解的Mond-Weir型对偶性

给出了一般多目标分式规划问题（Ｐ）及其Ｍｏｎｄ－Ｗｅｉｒ型对偶问题（Ｄ）关 于Ｇ－Ｐａｒｅｔｏ解的两个对偶性定理。     

多目标规划的像问题及其应用

设X,Y,Z皆为拓扑向量空间,C和D分别是Y和Z中的闭凸锥.Z中由D规定的偏序如下:对任意z_1,z_2∈Z,当且仅当z_2-z_1∈D时,z_1≤z_2考虑下述多目标规划问题min f(x);s.t.x∈R(?){x ∈X且g(x)∈C},其中,f:X→Z;g:X→Y.定义1 设(?)∈R,如果(f(?)-D)∩(f(R)\{f(?)}=?,则f(?)称为(1)式的有效点.当f(?)是(1)式的有效点时,称(?)是(1)式的有效解.任给(?)∈R,作映射F(?):X→Z×Y为F(?)(x)=(f(?)-f(x)),g(x)).记H=(D\{0})×C,K(?)={F(?)(x)|x∈X},E(?)=K(?)-c1H.定义2称     

D.S.规划的uv-分解

主要利用uv-分解理论分析D.S.规划。先将D.S.函数uv-分解,再给出D.S.规划算法和最优性条件。     

求不定二次规划问题全局解的新的分支定界算法

提出了求解不定二次规划问题一个新的分支定界算法.利用D.C.分解和正定阵的Cholesky分解把问题转化为可分离形式,并导出Lagrangian对偶界,给出基于Lagrangian对偶界和矩形对分的分支定界算法,同时给出初步数值实验结果.     

具有有界子系统约束的原方块角形结构二次规划问题的求解算法

利用Kuhn-Tucker定理,推广了解决线性规划问题的Dantzig-Wolfe分解方法,提出了一种新的求解具有原方块角形结构的大规模二次规划问题的二级方法.该方法的高级问题是一个二次规划问题,而低级子问题是若干个小规模的线性规划问题.文中还给出了数值算例,运算结果验证了本算法的有效性.     

广义几何规划的加速全局优化算法

 广义几何规划(generalized geometric programming,GGP)问题广泛出现在工程设计、风险管理以及工业制造等实际应用中。基于凸松弛提出GGP的加速全局优化算法,该算法通过新的剪枝技术,能将当前计算的不存在全局最优解的区域去除,从而加速算法收敛到全局最优解。最后给出了算法的收敛性证明。数值实验表明该算法是可行有效的。     

(AX,XC)=(B,D)的广义双对称解与广义双反对称解

设A,B是n×n阶矩阵,设C,D是n×m阶矩阵,研究了矩阵方程(AX,XC)=(B,D)具有广义双对称解和广义双反对称解的充要条件,并给出了矩阵方程(AX,XC)=(B,D)通解的表达式.