线性规划问题的两种改进算法

给出了求线性规划问题最优解的两算法,并指出了此法旋转运算的次经算法不需要基本可行解或对偶基本可行解。     

线性规划中单纯形的算法及其应用

单纯形法是求解线性规划问题的基本方法,它的基本思想是：先找出一个基本可行解,对它进行检验,看是否是最优解;若不是,则按照一定法则迭代到另一改进的基本可行解,再检验;若仍不是,则再迭代,直到解为最优解。本文首先介绍了线性规划问题中单纯形法的具体算法,并对其算法方法进行了分析和应用。     

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.     

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.     

一种改进的蚁群算法及其在旅行商问题中的应用

分析了基本蚁群算法易出现早熟停滞现象的原因.对基本蚁群算法进行改进,在原有算法的基础上引入最优最差信息素更新策略和局部最优搜索策略,从而扩大可行解的的范围,避免了算法过早停滞,同时加快算法的收敛速度,使得改进后的蚁群算法解的性能得到较大的提高.最后,以三种旅行商问题为例进行仿真,结果表明该算法能较快地收敛到全局最优解而且具有较好的发现解的能力.     

对满足换基规定的单纯形法的改进

针对满足换基规定的单形法可能出现的迭代不下去的总是构造了拿迭代得以继续的补 充算法。这个补充算法的基本思想是暂时放弃换基规定，首先进入与所解总是对应的线性规划的最优基本可行解集中。     

求解约束优化问题的多成员人工蜂群算法

针对约束优化问题提出了一种多成员人工蜂群算法.新算法设计了一种多成员机制,增强了在可行域内的搜索能力.在进行选择操作时,允许拥有较优目标函数的不可行解战胜可行解,增强了种群的分散性;在处理等式约束时,引入一种约束放松程度从大到小变化的机制,充分利用了等式约束周围不可行解的信息.针对13个标准测试函数的仿真实验表明:当处理含有等式约束且可行域较小的问题g13和最优解位于可行域内部且可行域较大的问题g02时,与改进人工蜂群算法相比,新算法最优解的均值误差分别减小了76%和80%.     

运输问题的直接算法

基于线性规划逐维选优强多项式算法的基本理论,结合运输问题模型的特殊结构,提出了运输问题直接算法: 根据目标函数的梯度向量在可行域的低维界面上的投影,通过确定运输问题在可行域上的低维等值界面,直接得出运输问题的最优解集.     

基于蚁群算法的多字符聚类识别

本文采用蚁群算法对聚类数目已知的多字符进行聚类识别,在分析了基本蚁群算法的基础上,提出了一种改进的蚁群算法,该算法结合分布式计算、正反馈机制、贪婪式搜索算法等.对每只蚂蚁构造一个可行解,利用信息素矩阵,经过若干次的选代,找寻包含最优解的蚂蚁.通过与K-means和遗传算法比较,最后得出结论,该蚁群算法识别效果好,执行效率高.     

铁路车站行包配装计算机辅助决策系统的研究

:建立了铁路车站行包配装问题的基本模型 ,并根据行包运输特点及要求分析了模型的理论求解方法及算法复杂度 ,在此基础上提出了较优可行解的求解算法 .根据该模型及其算法 ,对配装辅助决策系统的结构与功能进行了讨论     

寻求线性规划问题初始基可行解的一种新算法

对线性规划问题基可行解的性质进行了研究，给出了一种求解线性规划问题初始基可行解的算法，该算法的时间复杂度是约束条件个数的线性函数     

动态随机选择的差分进化算法研究

如何有效地均衡可行区域与不可行区域的搜索是约束优化中的关键问题。为使进化算法获得可行的全局最优解,分析了在进化过程中如何对待好的不可行解的问题,通过分析随机排序中比较概率对可行解最终位置的影响,提出一种动态随机选择策略,并以多个体差分进化为框架实现了相应算法。实验对比分析结果说明了这一策略的有效性。     

单纯形法的推广

引言本文将解线性规划中有效的单纯形法推广到线性约束的非线性规划问题。§1中研究了目标函数是分式线性函数的情形。在不假设可行集有界的情况下,证明了最优解(若存在)在可行集极点达到的基本定理,指出了在算法实现的过程中可行集有界的必要性,并给出了数值例子。§2中在可行集有界的假设下把单纯形法推广到更一般的拟凹函数类。     

基于跨邻域搜索的连续域蚁群优化算法

针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法。首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度。通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优。     

寻求线性规划问题初始基可行解的一种新算法

对线性规划问题基可行解的性质进行了研究，给出了一种求解线性规划问题初始基可行解的算法，该算法的时间复杂度是约束条件个数的线性函数。     

一类非线性整数规划问题的切平面分支定界算法

针对一类非线性整数规划问题,提出了一个基于切平面的分支定界算法.在这个方法里,用切平面方程将非线性可行域线性化,同时在子问题上确定可行方向,生成切平面,切掉没有整数解的可行域,缩小了可行域,可以减少分支的次数,并进行了收敛性分析和证明.     

网络图上的分段线性分式规划模型及有效算法

为了得到网络图上分段线性分式规划问题的有效算法，借助于线性规划问题的单纯形方法及网络图上修改支撑树的迭代方法，论证了一个基本可行解是否最优解的判别准则，并给出了网络图上分段线性分式规划问题的一个有效算法。为进一步解决网络图上非线性目标函数的优化问题提供了依据。     

依据高阶累积盲解卷积

对盲均衡（盲解卷积）提出了两种三阶累积量的基本算法，在算法中依据非因果的ＡＲ（自回归）模型及与逆滤波器系数相关的方程，把非最小相位系统的盲均衡问题转化为解相应的线性方程组的问题，保证了这种解法的唯一性。在算法中仅利用了累积量的对角线切片，从而使该算法简单、准确。仿真实验结果表明，该算法是可行有效的     

动态障碍物环境下移动机器人的全局路径规划研究

针对环境中存在动态障碍物时,如何运用全局路径规划算法求解移动机器人的最佳路径,设定动态障碍物的运动范围是已知的,则危险程度是一个区间数.定义一种Pareto概率支配公式,求出不同区间数之间的占优概率,由此得出哪条路径的安全程度更高.对传统NSGA-Ⅱ算法进行改进,根据约束函数把所有的解区分为可行解与非可行解,引入非可行解储备集储存好的非可行解,引导可行解进化出更好的解.建立环境模型,用Matlab软件进行仿真,仿真结果表明对不同的障碍物环境,该方法均能规划出安全无碰的路径,与传统算法进行对比,改进后算法在求解动态障碍物环境下的机器人路径规划问题更加可行有效.     

代理模型辅助的初始可行解产生方法

采用约束保持法求解单目标约束优化问题时,初始化产生可行解的过程存在计算费时问题.因此提出了代理模型辅助的初始可行解产生方法,采用径向基函数构建代理模型,在初始解的产生过程中,预先使用代理模型估计试验粒子的约束冲突值,若满足约束才进行实际计算,从而减少粒子的评价次数以提高算法效率.采用该方法对多个标准函数进行测试,结果表...