经典Benders分解算法解析

随着计算机技术的飞速发展,对于大规模非线性运算问题的计算方法的研究也越来越受到人们的关注。本文介绍了一种经典的Benders分解算法,该算法常用于求解像最小整数非线性规划和随机规划问题之类的计算难题。     

一类线性约束凸规划的几种多项式算法的研究

讨论满足尺度李谱希茨条件的一类线性约束凸规划问题，研究了“内椭球法”，“原始-对偶仿射尺度法”及“原始-对偶路径跟踪法”三种多项式算法的内在联系及区别，并将迭代复杂性降至O(√n L)。     

基于BENDERS分解技术的输电网络规划模型

提出了一个输电网络扩展规划的非线性混合整数规划模型。目标函数是使新线路投次和运行费用之和最小，约束条件包含描述网络的直流潮流方程。本模型采用Ｂｅｎｄｅｒｓ分解技术求解，把原始问题分解为投资主问题和运行子问题，通过迭代求解主、子问题何以得到原始问题的最优解。并对６节点Ｇａｒｖｅｒ系统进行了实傲 计算，结果表明该方法是正确的和有效的。     

求解整数规划Surrogate对偶问题的一种算法

本文讨论整数线性规划的Ｓｕｒｒｏｇａｔｅ对偶问题，给出了求解Ｓｕｒｒｏｇａｔｅ对偶问 题的一种算法，论述了该算法具有的某些良好性质。计算结果说明：用该算法求解 Ｓｕｒｒｏｇａｔｅ对偶问题时，所解的背包问题的次数比较少，所存在的对偶间隙也较 小。     

基于 BENDERS 分解技术的输电网络规划模型

提出了一个输电网络扩展规划的非线性混合整数规划模型．目标函数是使新线路投资和运行费用之和最小，约束条件包含描述网络的直流潮流方程．本模型采用Ｂｅｎｄｅｒｓ分解技术求解，把原始问题分解为投资主问题和运行子问题，通过迭代求解主、子问题可以得到原始问题的最优解．并对６节点Ｇａｒｖｅｒ系统进行了实例计算，结果表明该方法是正确的和有效的．     

一种需求不确定的有容量网络设计问题求解方法

针对需求不确定的有容量网络设计问题,通过引入缺货成本（understocking cost）和过剩成本（overstockingcost）,给出了一个两阶段的随机混合整数规划模型,并提出了基于Benders分解和分支定界新方法．该方法在解决电讯网络、物流运输网络中都有广泛应用背景．     

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Benders’分解法的随机规划HN解及应用举例

随机规划方法在解决不确定环境中的资源配置问题上具有很大优势。笔者介绍并采用了Benders’分解法来求解动态随机规划,依据"阶段"的概念划分出后部子规划,通过前向模拟和后向递归得出最优HN解。这种方法避免了大多数应用问题中确定性等价形式求解时规模过大的问题,同时反映了信息集的更新过程。此外,从"等待观察(WS)"、"此时此刻(HN)"和"期望价值(EV)"3种假设出发分析最优资产配置问题投资策略的特征,采用EVPI和VSS诠释决策过程中信息的价值和随机方法的价值,并给出了实例分析。     

随机N叉树形冲突分解算法研究

提出了一类新的椭机Ｎ叉树形冲分解算法,并对随机存取系统中信息分组冲突分解进行了研究,给出了冲突信息组平均分解次数的解析式,给出了动态吞吐量和静态吞吐量的解析式,还给出了信息分组冲突分解的计算机模拟实验值。     

大型二次规划的一种分解算法

对于大中规模的二次规划问题,当约束条件结构具有方块角型的形式时,为了减少计算量和内存容量等,常可用系统分解原理来进行求解.但泽格和华尔夫(1960年)提出的以对偶理论为基础的分解-对偶法,以及作者(1987年)提出的最小减优率法,都是针对大型可分解线性规划问题的.本文根据最小减优率法的基本思路和二次规划问题解的一般特性,提出一种有较高效率的求解大型二次规划的分解算法.它从子问题的解直接推求有藕合约束时的二次规划的最优解,从而可显著减少求解的工作量.从所举算例可以看出,它与传统二次规划法整体求解时相比的明显差别.     

利用嵌套L—型分解算法求解生产计划多阶段随机规划模型

利用随机规划理论，根据企业在制定生产和供应计划时受到的限制，建立了一类多阶段随机规划模型. 利用嵌套L—型分解算法求解模型，使企业生产成本最小化，依此增进企业的经济效益.     

随机资源分配问题建模和随机模拟遗传算法求解

为了最大限度地满足用户对紧缺随机资源的需求,对随机资源分配问题建立了相关机会多目标规划模型和相关机会目标规划模型,通过表示各个(级)目标事件的诱导约束,建立决策向量和机会函数之间的关系,并运用随机模拟遗传算法求解模型。     

一类随机规划问题的逼近求解

主要讨论了一类随机规划在函序列上图收敛和随机变量序列均方收敛意义下,该类随机规划的最优解和最优值的收敛情况。     

Approximation-exact penalty function method for solving a class of stochastic programming

0　IntroductionSincethemultistagestochasticprogrammingcanusuallybetransformedintoasingle stagestochastic program ming[1 3] .Specifically ,two stageconvexstochasticprogrammingproblemwithcompletecourseisequivalenttominimizingsingle stageconvexstochasticprogramming[4,5] .Therefore,researchingtheoryandalgorithmsrelevanttothesingle stagestochasticpro grammingwillbesignificant.Inthispaper,weconsiderthefollowingsingle stagestochas ticprogramming.minimizef(x)s.t.gi(x ,ξ)≤ 0 ,i=1,… ,m ,x∈Rn (1)wh…     

随机规划问题的最优值和最优解集的稳定性

引进了局部化形式的概念，研究了随机规划问题的局部化最优解集和局部化最优值关于概率分布μ的定量稳定性，讨论了随机规划问题局部化最优值关于概率分布μ的连续性及局部化最优解集的Berge上半连续性，结果表明，当随机规划问题的局部化最优解惟一，且在ξn b↑→ξ，lim↓n→∞E‖ξn‖=E‖ξ‖的条件下，随机规划P(ξn)的局部化最优值收敛于P(ξ)的局部化最优值，随机规划P(ξn)的局部化最优解集的任一选择收敛于随机规划问题的局部化惟一最优解。     

求解非线性优化问题改进的进化规划算法

针对带有边界变量的非线性优化问题,提出了一种改进的进化规划算法.该算法首先把每个个体看作为带有不同质量的粒子,根据目标函数值定义个体的质量.基于聚类思想,选取一定数量的点,然后利用选取的点分别求出于每个点相对应的重心,以每个点与其重心的连线方向为变异方向.最后把该方法应用到几个典型数值例子中,并与基本进化算法进行比较,数值结果表明算法是可行的、有效的.     

A Primal-Dual Infeasible-Interior-Point Algorithm for Multiple Objective Linear Programming Problems

A primal dual infeasiblc-interio-Ppoint algorithm for muhiple objective linear programming (MOLP) problems was presented. In contrast to the current MOLP algorithm. moving through the interior of polytope but not confining the iterates within the feasible region in our proposed algorithm result in a solution approach that is quite differemt and less sensitive to problem size. so providing the potential to dramatically improve the practical computation effectiveness.     

半定规划

半定规划是指线性函数在对称矩阵的仿射组合半正定的约束下的极小问题，它实际上是凸优化问题，在最近的十几年中得到突飞猛进的发展，目前已成为优化方面最热门的领域．这一研究活动之所以被激发起来，是由于半定规划在一些领域的新应用的发现以及新的有效算法的产生．本文对半定规划的理论和算法作一般介绍．     

具有随机约束的混合效应模型参数的岭型谱分解估计

对于具有随机线性约束的线性混合效应模型参数提出一种称之为条件岭型谱分解估计的方法.利用均方误差矩阵和广义均方误差对固定效应参数的几种估计量进行比较,给出条件岭型谱分解估计优于条件谱分解估计的充分条件,并给出这两种估计的相对效率的上下界.最后,模拟算例验证了理论结果的正确性.