目标超平面上的一种对偶单纯形算法

提出求解第一阶段线性规划问题的对偶单纯形算法.首先,将具有最优值的辅助目标函数作为新约束加入第一阶段问题中;然后,以该约束所在行为枢轴行进行旋转变换产生辅助超平面上的一个极顶点,如果这个点可行,第一阶段对偶单纯形算法结束,否则,迭代固定在辅超平面上极行;接下来,以右手项取负值的所有约束之和为目标(约束),通过对偶迭代使右手边的值单调增加,同时保持右手项为非负的约束仍然可行,一旦右手边取负值的约束变为可行,就将其从目标约束中删除,直至获得一个可行解或者得到原问题无可行解的结论;最后,从NETLIB和MIPLIB测试数据库中选取一些标准的中大规模算例,通过MATLAB编程在计算机上实现数值试验,初步计算结果表明与经典单纯形算法相比,提出的算法在大部分问题上使用更少的迭代次数和执行时间,因而具有更高的计算效率.     

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。     

求解二次锥规划的非精确不可行内点法

给出一种求解二次锥规划问题的原 对偶非精确不可行内点算法. 通过引入一个不可行邻域, 所给算法可以运用非精确搜索方向且不要求迭代点位于严格可行解集内. 该算法是全局收敛的.     

求解LP问题的部分基变量算法

一般形式的线性规划问题在找不到基本可行解或对偶问题的基本可行解时,无法用传统的单纯形法或对偶单纯形法求解,即"两看一算"算法.为了解决这个问题,结合两种"两看一算"算法,提出了一种新的算法--部分基变量算法.该算法首先从部分基变量出发,由初等行变换将LP问题转化为准典式,然后由初等行变换找到全部可行基变量,最后用对偶单纯形法得到最优解.对算法的正确性和可行性进行了严格证明,提出算法的实现方式并举例进行了说明,对算法的特点进行了讨论.分析表明所提出的算法是实现线性规划问题求解的较为理想的算法.     

一个求解P*(κ)线性互补问题的高阶Dikin型仿射尺度算法

对于P*(κ)线性互补问题提出了一个新算法———高阶Dikin型仿射尺度算法.算法的每步迭代,基于线性规划Dikin原始———对偶算法思想来求解一个线性方程组得到迭代方向,再适当选取步长,使算法具有多项式迭代复杂性.     

基于不可行内点算法的几何规划优化方法

提出了一种优化算法,用以解决古典正项式原－对偶几何规划问题．在一般假设下,该方法应用原－对偶不可行算法,在一类特殊的受摄动ＫＫＴ 系统中定义了一条原－对偶不可行路径,对于每个规划,都产生一个次可行解,规划问题的原－对偶目标函数值最后分别收敛到原－对偶规划值．算法迭代次数少,还不受几何规划问题艰度大小的限制．文中利用对数转换后目标函数Ｈｅｓｓｉａｎ 矩阵的特殊结构,讨论了算法实现问题．算法效果得到实例计算验证     

框式线性规划的原始——对偶不可行内点算法的进一步研究

进一步研究「１」中对框式线性规划提出的原始－对偶不可行内点算法,并证明了如果算法迭代按终止准则的后半部分停止,原始－对偶规划具有某种不可行性。     

随机运输问题的对偶森林迭代算法

本算法从一个对偶森林向另一个对偶森林迭代。在非退化的情况下,每步迭代都使对 偶目标函数值严格增加,并在有限步内达到最优值,每步迭代最多只需解一个一维非线 性方程。在“宇宙６８０００”机上,对此算法进行了两个包括６００个以上变量的大型问题计 算,计算结果表明算法是可行有效的。     

求解线性规划的一种新的原始对偶内点法

该文在线性规划问题的目标函数中增加二次项,并提出了一种新的原始对偶内点法解该问题。该方法对增加二次项后的问题的KKT条件中的变量做代换。对新变量做凸松弛保证新变量元素全为正值。对互补性条件做凸松弛,互补性条件右侧每一个分量为依赖于当前迭代点相应分量的松弛。数值实验表明,该文算法对解决线性规划问题是有效的。     

一种带滤子的QP-free非可行域方法

提出了一种带滤子的QP-free非可行域方法,用来解不等式约束的最优化问题.此方法通过乘子函数和3-1线性互补函数构造一个等价于原约束问题的一阶KKT条件的非光滑方程组,并在此基础上给出解这个方程组的迭代算法.这个方法的每一步迭代都可以看作是对求KKT条件解的牛顿或拟牛顿迭代的扰动,在线性搜索时用到滤子方法.这个方法是可实行的且具有全局性,并且在适当的条件下还可以得到此方法的超线性收敛性.用此算法进行了数值检验,结果表明此方法是可行有效的.     

求解一般l1趋势过滤问题的原始对偶内点法

针对一般l₁趋势过滤问题提出一种原始对偶内点法，首先给出原始对偶内点法的算法框架，并对原始对偶内点法进行收敛性分析和算法复杂度分析.最后，将提出的算法和目前流行的半光滑牛顿增广拉格朗日方法和交替方向乘子法进行对比.实验结果表明：当模型中的参数变化时，原始对偶内点法更加高效和稳健.     

无线Mesh网络信道路由联合优化算法

无线Mesh网络传输性能的优化集中在系统吞吐量、平均时延和传输公平性3个方面,属于NP难题.提出一种基于启发式搜索和"原始-对偶"问题的优化迭代算法,在信道-收发器和链路容量的限制条件下对系统吞吐量进行了优化,并且分析了算法的收敛性.计算机仿真结果表明,所提出的算法可以显著提高无线Mesh网络系统的吞吐量.     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.     

带参数扰动的原始对偶内点算法

出一种通过新的原始对偶内点法求解一类非线性规划问题的算法及带参数扰动的原始对偶内点法的收敛性, 并通过数值实例说明了该算法的有效性.  该算法改进了原始对偶内点法, 可由参数控制可行域的形状, 扩大了初始点的选择范围, 并通过修正牛顿法找到值函数的下降方向.     

多用户最优化的两种对偶方法

采用多用户问题的梯度近似分布式算法,对多用户最优化的原始对偶方法和正规化对偶方法进行了比较,集中于多用户凸最优化问题的概括,其中目标函数和约束函数不可分,而目标函数可通过非线性组约束,使用户决定耦合;在算法中,对原始对偶方法和正规化对偶方法可考虑不变步长,采用跨用户自然迭代计算,使每个用户能够只更新自身的决策变量．     

值型线性双层规划的共轭对偶及最优性条件

利用DC规划的Frenchel-Rockafellar对偶规划的思想, 提出了值型线性双层规划的共轭值型双层规划对偶. 证明了原规划和对偶规划之间的强对偶性定理, 并给出其相关的最优解条件.     

基于数值分析理论的低复杂度MED算法

经典的最大特征值检测（MED）算法在检测相关信号时具有优异的性能.然而,随着信号维度的不断增大,MED算法面临着严重的感知判决量和判决门限计算的效率和实现问题,从而极大地限制了该算法在现代认知通信系统中的进一步应用.为此,提出了一种基于数值分析理论框架的低复杂度MED频谱感知算法.所提算法利用Rayleigh商加速幂法迭代地计算感知判决量,与经典的幂法相比,在检测高维信号时具有更快的收敛速度;此外,不同于经典的查表法,新算法基于三次样条插值法快速、准确地确定任意给定目标虚警概率所对应的感知判决门限.所提MED算法在保持原有算法检测性能的同时,有效提升了计算效率,降低了算法实现复杂度;其对于高维条件下的频谱感知问题尤其具有吸引力.最后,仿真结果证明了所提算法的有效性.     

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.     

一种基于遗传算法的网格任务调度算法

任务调度问题是一类NP问题,经典调度理论一般仅能获得问题的近似最优解.尽管已有用于任务调度的遗传算法的求解质量优于传统方法,但多数是考虑单任务或独立多任务调度的遗传算法.采用理论分析与仿真实验相结合的方法,提出了一种改进的遗传算法解决网格的任务调度问题.这种遗传算法所处理的任务不仅可以包含多个有前后约束关系的子任务,并且每个子任务可以需要多种资源.通过对比实验可以看到本文所提出的算法在网格任务调度方面要优于传统的HEFT和DLS算法.