灰色线性规划的Genocop算法求解

遗传算法求解线性规划问题特别是大型线性规划问题通常比常规求解方法有效得多,但如何求解灰色线性规划是一个值得探讨的课题,本文利用遗传算法的Genocop算法设计了灰色LP的求解程式,结果表明其求解效率很高.     

求解灰色双层线性规划模型的交互式模糊算法

通过提出灰色双层漂移型线性规划的概念和建立灰色双层漂移型线性规划模型,描述了具有灰色信息的递阶双层系统的决策问题;改进已有的交互式模糊算法,克服了模型求解的困难性和复杂性,将灰信息带入求解过程,使算法在求解灰色双层漂移型线性规划模型时简单、实用,最后通过算例证明提出的求解灰色双层漂移型线性规划模型的交互式模糊算法的简单性和实用性.     

一种求解整数-非线性规划问题的演化算法

混合整数非线性规划问题为一类富有挑战性的难解问题。本文设计一个混合演化算法求解混合整数非线性规划问题，对于不同变量分别使用二进制和实数编码策略，将约束优化问题转换为多目标优化问题。数值实验验证了算法的有效性、稳健性和通用性。     

两类特殊线性规划算法的改进

本文对线性规划中的对偶单纯形法和运输问题中的表上作业法中选取出基变量或者入基变量的准则进行改进,给出一种新的换基准则,按该方法进行优化运算,可以使这种算法的迭代次数减到最少,从而加快运算速度,尤其适合于大系统线性规划问题的求解。     

双层多目标线性规划问题的一个算法

现有方法常常将双层多目标线性规则问题(下层决策者无关联)的下层问题的最优性条件转换为上层问题的严格约束,这样缩小了上层决策问题解的搜索范围,与实际中的决策过程相违背。因此,基于隶属函数以及模糊数等有关性质,提出了一种模糊决策方法;同时,在上下层问题独立求解时,引入了一种多项式的时间算法,为两层以及多层决策问题提供了新的求解途径。     

灰色离散双层漂移型线性规划模型及其交互式补偿模糊算法

提出灰色离散双层漂移型线性规划的概念，建立了灰色离散双层漂移型线性规划模型来描述具有灰色信息的递阶离散双层系统的决策问题，并提出相应的交互式补偿模糊算法，最后通过算例证明提出的求解灰色离散双层漂移型线性规划模型的交互式补偿模糊算法的简单性和实用性。     

新型线性规划解题器

阐述了线性规划鞍点算法原理,讨论了解题器各模块的设计方法,给出了软件流程图和实验结果.     

区间线性规划的标准型及其求解

定义区间线性规划的标准型，给出一种反映决策者满意度的区间数序关系，基于此将区间不等式约束转化为确定型约束；讨论区间等式约束的含义并将其化为确定型不等式约束。在此基础上将区间线性规划转化为一个确定型线性规划并进行求解。最后给出一个算例。     

非线性规划问题求解的遗传算法设计与实现

针对一般非线性规划 (NonlinearProgrammingProblem ,NPP)问题 ,采用遗传算法思想设计了通用求解算法 ,并用MATLAB语言实现 ,该软件可广泛运用于求解各种NPP问题。实例表明 ,该算法具有较高的计算效率。     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

一类二层线性规划的对偶逼近法

首先讨论了由下层的最优值函数作为响应反馈到上层的一类二层线性规划的有关对偶问题,然后给出了求解这类二层规划的一个对偶逼近法.     

多目标0—1规划问题的遗传算法

根据遗传算法的特点，提出了以排列为基础，以求出全部非劣解为目的的定义适应性值的方法，以便使其有能力求解多目标优化问题，并分析研究了算法进行到一定程度以后收敛于一个非劣解的原因和解决策略。     

一种混合整数双层线性规划的全局优化方法

通过求得下层问题的对偶问题可行域上的极点,将上层所有变量为0 1型变量和下层所有变量为连续型变量的双层线性规划转化为有限个混合整数线性规划问题,从而用求解混合整数线性规划的方法获得问题的全局最优解.由于下层问题的对偶问题可行域只有有限个极点,所提出的方法具有全局收敛性.     

整数规划的一种线性规划解法

根据凸分析理论和单纯形法原理，提出了整数规划的一个线性规划解法。该方法主旨是将整数规划问题的离散的可行集填充成一个连续的单纯形，这样原整数规划问题就化为该单纯形上的一个新的线性规划问题。利用单纯形法求解该线性规划问题，便可得到整数规划的最优解。且进一步提出并证明了指派问题的线性规划解法。     

求解二层线性规划问题的混合粒子群算法

结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析.     

SGA(Simplex-Genetic Algorithm):一类求解Minimax问题的通用算法

在指出一般的迭代法不能保证收敛性之后,将注意力投向基于Stackelberg-NashEquilibrium的遗传算法(GA)的解决方法,并根据Minimax问题的特点指出该方法的不足之处.在此基础上,提出了SGA(Simplex-GeneticAlgorithm).仿真实例表明,这种方法速度和精度较之GA都有了很大提高,是求解最小最大问题的有效通用方法.     

灰色非线性规划问题及其遗传算法求解方法

灰色系统中的非线性规划问题是一类重要问题 .本文针对一般灰色非线性规划问题 ,给出了一种基于随机模拟的遗传算法求解方法 .实例证明 ,将遗传算法应用于灰色非线性规划问题的求解能取得较好的效果.