求解一类非标准DC规划的最优可视点算法

基于借用定位理论中的“可视性 (visibility)”假设 ,我们提出了求解非标准DC问题的一种外逼近方法 ,称之为最优可视点算法 ,从而获得问题的全局最优解 ,并证明了算法的收敛性 .该方法当非凸变量的数目较少时是有效的、实用的 .它为非标准DC问题提供了一种新的求解途径     

无穷维空间凸函数全局最优解的刻划

利用函数的水平集 ,ε 次微分和ε 法向锥等工具研究局部凸空间的凸函数在闭凸子集上的最大值点问题 ,给出了最优解的几个等价刻划     

求非线性规划全局最优解的一个算法

首先给出了判别ｆ（ｘ）的极小值点ｘ０∈Ｄ是否为ｍｉｎ ｆ（ｘ）的最优解的充分必要条件,在此基础上,给出了求一元函数及多元函烽全局最优解的方法,此外,还给出了求一元函数极值的一个迭代算法。     

一类非线性二层混合整数规划问题全局最优解的遗传算法

讨论了一类非线性二层混合整数规划的求解问题，将遗传算法和单纯形法结合提出了一种混合遗传算法，为了避免经典遗传算法在实际运用中存在的Hamming悬崖、早熟收敛、全局优化速度慢和解的精度差等缺点，引入了实数编码，并采用多个子种群并行搜索的策略，数值模拟结果表明该算法是有效的。     

求解一类非标准DC规划的最优可观点算法

基于借用定位理论中的“可视性（visibility）”假设，我们提出了求解非标准DC问题的一种外逼近方法，称之为最成可视点算法，从而获得问题的全局最优解，并证明了算法的收敛性，该方法当非凸变量的数目较少时是有效的、实用的，它为非标准DC问题提出了一种新的求解途径。     

求解二次双层规划问题的全局最优解

针对现有的一些逼近算法在计算过程中有时得到的解为不可行解, 甚至远离真正全局最优解的问题, 给出一种解二次双层规划非孤立全局最优解的算法. 数值实例结果表明, 该算法行之有效.     

移动机器人全局最优规划的研究

Ｔ－矢量是一种简单标准的方法,在检测碰撞和移动机器人的全局路径规划中多方面的作用。现进一步发展了这种方法,提出了利用Ｔ－矢量来获得最优过点集的方法,使全局最优规划问题转化为从冒险成过点集中寻找最优路径,从而可用Ｈｏｐｆｅｌｄ能量和优化方法得到全局最优规划,提出的能量函数,具有物理意义明确、结构简单、收敛效果好的特点。     

一类特殊的非线性规划的最优解

讨论了一类特殊的非线性规划问题，给出了其最优解的解析表达式，最后给出了一个例子。     

一类非线性整数规划问题的最优解

该文给出了一类非线性整数规划总是的最优解。     

一类非光滑分式半无限规划ε-最优性充分条件

在一致Fb,s-凸，一致Fb-伪凸和一致Fb-拟凸等一些非光滑非凸函数的基础上，研究了一类分式半无限规划的最优性问题，得到了涉及这些广义凸性的一类分式半无限规划的一些最优性条件。     

一类非凸非线性分式规划的最优性条件

引入了广义不变凸、广义不变伪凸和广义不变拟凸等几类新的广义不变凸函数概念,使凸函数得到更广泛的推广,并由此进一步给出并证明了在这些新广义不变凸性条件下,一类非凸非线性分式规划的一些最优性充分条件.     

关于凸二次规划的解唯一性

考虑凸二次规划问题 ,给出它存在唯一解的几个充分和必要条件     

DC规划的整体算法

通过对DC规划问题目标函数的线性下界估计,建立了DC规划的松弛线性规划,给出了 DC规划问题的一个新的整体优化算法.并通过对松弛线性规划可行域的细分以及一系列松弛线性规划的求解过程证明了算法的可行性,实例显示算法对大规模问题也是有效的.     

一类多目标分式规划的最优性条件

本文考虑一类多目标分式规划问题的最优性条件。分别给出了关于真有效解和弱有效解的Ｋｕｈｎ－Ｔｕｃｋｅｒ型必要条件和充分条件，鞍点型必要条件和充分条件，以及Ｌａｇｒａｎｇｅ乘子型必要条件。     

DC规划的分支算法

从DC规划的特点出发,提出了一种线性化方法和分支算法来求全局最优解,实验表明,该方法比传统的DCA算法更简单、方便,而且DCA算法得到的仅仅是局部最优解.     

拓扑向量空间多目标规划锥有效解的广义最优性充分条件

在拓朴向量空间中，引进映射的几个锥广义凸概念，对于目标映射约束映射为Gateaux可导的情况，建立了拓朴向量空间多目标规划问题锥有效解和锥弱有效解在锥广义凸条件下的几个最优性充分条件。