线性分式规划的多项式时间算法

线性规划（ＬＰ）各种形式的多项式时间算法的研究和成果已相当成熟，但对线性分式规划（ＬＦＰ）的研究甚少．在理论上，ＬＦＰ可转换为ＬＰ，但ＬＰ的多项式时间算法求得的多半为近似解，且ＬＦＰ转换为ＬＰ是通过一个非线性分式映射实现的．因此研究和分析ＬＰ的各种多项式时间算法对ＬＦＰ的稳定性具有理论和实际意义．本文首先系统地分析了从ＬＦＰ到ＬＰ的转换及各种性质．然后，将ＬＰ的一些多项式时间算法推广到ＬＦＰ，最后证明它们仍可在多项式时间内求得满足精度的近似解．     

一类线性规划问题的强多基式算法

对一类线性规划问题提出了一个强多项算法，此算法可进行双向搜索，可行解集，目标函数的两个目标值以有相就的最优解，全部可行基与最优基可以一步求得，无需迭代，算法的复杂性为Ｏ（ｎ＾２＋ｎ＾２＋ｎ），其中ｎ为线性规划问题变量的个数。     

含参数的分式线性规划问题

讨论了目标函数及约束条件的常数项含参数的分式线性规划问题。解决了以下问题：参数取哪些值时,分工线性规则问题有解;参数取哪些值时,分式线性规划问题无解;如何找最优解。     

线性规划基于修正牛顿方向的宽邻域内点算法

通过修正经典宽邻域算法的搜索方向, 提出一种新的求解线性规划问题的宽邻域内点算法, 并对算法进行收敛性分析, 证明了该算法具有经典宽邻域算法的迭代复杂性界O(nL). 数值实验表明算法是有效的.     

Karmarkar算法——一种新的线性规划多项式算法

本文介绍一种新的线性规划多项式算法——Karmarkar算法,并演示了它的产生过程。然后,给出了一种Karmarkar的扩充算法,这种算法在不要求已知原问题的最优值的情况下同时产生原问题与其对偶问题的解。     

一类线性规划问题的强多项式算法

对一类线性规划问题提出了一个强多项式算法．此算法可进行双向搜索．可行解集、目标函数的两个目标值以及相应的最优解，全部可行基与最优基可以一步求得，无需迭代．算法的复杂性为Ｏ（ｎ３＋ｎ２＋ｎ），其中ｎ为线性规划问题变量的个数     

二维线性规划问题的非数值算法

提出了一种求解二维线性规划问题的非数值算法，其基本思想是采用分治法，依据直线的斜度及在ｘ和ｙ轴上截距将约束条件分成不同的类，删去多余的约束条件，从而达到简化计算的目的。     

线性规划的一个宽邻域预估-矫正内点算法

在线性规划的内点算法中,宽邻域算法比窄邻域算法的数值效果好,但宽邻域算法的复杂性比窄邻域差.提出了求解线性规划问题的一个宽邻域预估-矫正内点算法,证明了该算法的迭代复杂性是O(n L),这是线性规划的内点算法中最好的复杂性结果.     

枢式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法，并证明了该算法的迭代复杂性为多项式时间性。     

线性规划的Karmarkar方法

线性规划的多项式算法——Karmarkar方法，是近期国际运筹学界的名成果．它在理论与实用上都有重要意义．本希望用比较通俗的方式介绍它，以便让更多的人们了解这一方法并将它应用于实际，产生更多的经济效益．     

解二次规划的一种Karmarkar变型算法

给出了求解二次规划的一种 Karmarkar 变型算法,证明了它的收敛性,建立起一种线性收敛速度。     

线性规划的一种算法

本文给出一种用解变量个数较少的线性规划来求解变量太多的线性规划的方法。     

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.     

线性分式规划问题的灵敏度分析

本文讨论了线性分式规划问题的灵敏度分析，将一般线性规划问题的灵敏度分析的结论推广到线性分式规划问题。     

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.     

求解一类比式规划问题的确定性算法

对一类比式规划问题(P)提出一确定性全局优化算法.利用线性化技术建立了问题(P)的松弛线性规划(RLP),通过对目标函数线性松弛可行域的逐次细分以及一系列(RLP)的求解过程,提出的算法收敛问题(P)全局最优解.最终数值实验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。