关于下层规划带线性约束的二层规划问题

通过极大熵方法将一类下层规划带线性约束的二层规划问题转化为支规划问题,并证明了转化的单的单层规划问题与原二层规划问题的最优解之间的联系,在一定条件下可保证转化后的单层规划问题的最优解为原问题的ε－最优解。     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.     

求解二层规划问题的萤火虫智能群优化算法

针对二层规划问题,给出二层决策问题数学模型的一种新的解法,二层规划萤火虫智能群优化算法:首先采用以原问题的下层问题的Kuhn-Tucker条件代替下层问题的思想,将二层规划问题转化为单层规划问题.其次为避免求解目标函数的梯度信息以及算法过早的陷入局部最优,利用基于Pareto最优解集的萤火虫智能群优化算法对其进行求解,并利用Matlab予以实现.利用5个具有代表性的标准测试实例对该算法予以测试,并与其他算法进行比较.结果表明,结合Kuhn-Tucker条件的萤火虫智能群优化算法在5个测试函数中均能寻找到最优Pareto解,并且在求解的上层目标函数值上均优于对比算法,表明新算法可行有效.     

一类非线性二层规划的Frank-Wolfe方法

利用下层问题的K-T最优性条件将下层为线性规划的一类非线性二层规划转化为相应的单层规划,同时取互补条件为罚项,得到该类问题的单层罚问题;然后利用Frank-Wolfe方法对单层罚问题进行求解.数值实验表明该方法是可行的.     

二层随机规划逼近解集的稳定性分析

以下层随机规划的最优值作为响应,反馈到上层的一类二层随机规划问题,可以放宽对下层随机规划需要提供唯一最优解的要求;首先讨论了下层随机规划逼近最优值的收敛性,然后将下层随机规划的最优值反馈到上层,得到了上层随机规划逼近最优解集序列的上半收敛性.     

非光滑悲观半向量双层规划的变分分析（英文）

利用最近由Mordukhovich发展的变分分析理论,研究了悲观半向量双层规划问题,得到了在非光滑情形下的悲观半向量双层规划问题的必要最优性条件.为了得到该最优性条件,首先借助于标量化方法将悲观半向量双层规划问题转化为一个标量的双层优化问题.进而利用单层和两层值函数构造和Mordukhkvich广义微分计算规则,研究得到了所得的标量双层优化问题的一阶必要最优性条件,进而根据原悲观半向量双层规划问题与所得的标量双层优化问题的等价命题得到了原问题在非光滑情形下的一阶必要最优性条件.     

一类悲观二层规划问题的一阶必要最优性条件

在Hilbert空间中,考虑上层约束为有限个不等式,下层为锥约束的一类悲观二层规划问题。首先利用上层问题的极大化最优值函数和下层问题的极小化最优值函数将原问题化为单层约束优化问题,在适当的假设条件下,结合上层极大化最优值函数的次微分估计和下层极小化最优值函数方向导数上下界的性质得到了原问题一阶必要最优性条件的详细刻画。     

二层多目标随机规划逼近有效解集的上半收敛性

[目的]为了研究通过逼近方法求解二层多目标随机规划有效解集与精确的有效解集之间的相互关系,针对下层为单目标随机规划,上层为多目标随机规划的一类二层随机规划逼近问题,构建了二层多 目标随机规划逼近有效解集上半收敛性的理论框架.[方法]将多目标二层随机规划分解成多个单目标二层随机规划,利用每个单目标二层随机规划逼近最优解集...     

二层随机规划逼近解集上半收敛性的一个充分条件

针对上、下层都含有目标函数和约束条件的一类二层随机规划逼近问题,首先在下层随机规划的目标函数和约束条件均为严格凸函数的情况下,给出了下层随机规划逼近问题的任意一个最优解序列连续收敛于下层随机规划的唯一最优解的一个充分条件;然后将下层随机规划的最优解反馈到上层随机规划的目标函数和约束条件,得到了上层随机规划逼近最优解集的上半收敛性.     

用罚函数求解二层线性规划的方法

在研究下层对偶问题的基础上，用内罚函数法，将二层线性规划问题转化为一般规划问题，然后根据可分规划方法和渐近外逼割平面法，设计了其全局最优算法．     

用罚函数求解二层线性替代的方法

在研究下层对偶问题的基础上，用内罚函数法，将二层线性规划问题转化为一般规划问题，然后根据可分规划方法和渐近外逼割平面法，设计了其全局最优算法。     

一类有线性约束的二层优化问题的极大熵方法

对一类下层带有线性约束条件的二层优化问题构造出一个新的极大熵函数来近似表示下层极值函数 ,将不可微二层优化问题转化为可微单层优化问题来处理 ,从而得到一类二层优化问题的ε 最优解的一种计算方法 .     

具有递阶结构的多目标群决策方法

建立了一类上层单目标、下层多人无关联多目标的两层决策问题的数学模型，利用加权法把下层的多目标转化为单目标，形成一个下层多人无关联单目标的两层规划问题，采用外部逼近法解两层规划问题，从而获得原两层决策问题的最优解．该法为两层决策问题提供了一种求解途径．     

一个求解线性双层规划的全局收敛算法

用线性规划对偶理论讨论了线性双层规划的最优性条件，利用下层问题的对偶间隙，将线性双层规划转化为目标函数带惩罚项的单层问题，通过对转化后的单层问题进行求解，给出了一个求解线性双层规划局部最优解的方法，然后引进一种割平面约束来修正当前局部最优解，直到求得线性双层规划的全局最优解。提出的算法具有全局收敛性，并通过一个算例说明了算法的求解过程。     

两层决策问题的全局优化方法

本文建立了一类上层单目标、下层多目标的两层决策问题的数学模型和决策机制，利用辅助模型把下层多目标转化为单目标，形成一个两层单目标规划问题，采用外部逼近法求解此两层单目标规划问题，从而获得原两层决策问题的最优解。该方法为两层决策问题提供了一种求解途经。     

向量多项式优化问题的混合算法

用混合方法将向量多项式优化问题转化为单目标多项式优化问题,利用Lasserre半正定松弛方法求解,提出了计算带约束的向量多项式优化问题有效解的混合算法.并分析原问题的有效解和转化问题最优解之间的关系,进行收敛性证明,数值结果表明所提算法是可行的.     

求解混合整数双层规划的凸组合算法

利用罚函数思想和最优值函数的概念将混合整数双层规划转化为连续变量的单层非线性规划,然后用事先确定步长的凸组合算法迭代求解此单层非线性规划,进而得到原双层规划的局部最优解.     

线性规划在动态系统最优控制中的一个应用

研究了Behavioral方式下的动态系统的离散型半正定线性二次最优控制问题。把原问题转化为半正定二次规划，应用线性规划的对偶理论，求解半正定二次规划，并得到原最优控制问题的最优值和最优轨道。     

求解二层多目标规划的新算法

研究多目标二层规划的一种算法,给出二层多目标决策问题数学模型的一种新解法,把线性加权和法、理想点法和Kuhn-Tucker条件结合起来,将二层多目标规划问题转化为单层单目标规划问题,使问题简单化,从而得到原问题的有效解。     

二层规划的扰动解

传统的二层规划求解方式是利用下层规划的KKT条件将其转化成单层规划问题.由于互补松弛条件的存在使得MFCQ和线性独立等约束规格不成立.探讨了对互补松弛条件给出ε出扰动后的非线性规划求解问题,以及扰动解收敛到原二层规问题局部最优解的条件,并探讨这些条件实现的可能性.