动态最小费用流问题

考虑到时间对最小费用流问题中各个参数的影响,首先通过对动态最小费用流问题的各参数的定义建立了动态最小费用流问题的数学模型,在这样的有向网络里,流可以在中间点上停留一段时间,弧的容量以及中间点的容量随时间变化,流经过弧时所需的费用也随时间变化;在此模型基础上给出了动态最小费用增广链的定义并证明了与其相关的定理,并在最后给出求解动态最小费用流问题的一个算法。     

位势法初始分配方案的优化

本文试用一种新的方法.使初始分配方案一步到位或十分接近最优解.步骤是:先取矩阵各行列中最小元素为待分配元,然后按一定的比选规则依次分配运量,对最后未经比选的分配元,检查其是否需要调整.文末提出,在有计划的商品经济新形势下,有必要对违反标准流向图的货物采取运费加成的办法,使托运者因此而有所儆戒,承运者亦因此而不致放任自流,双方都来关心合理运输.     

量子近似优化算法在约束优化问题中的应用

结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子 近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标 算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行 解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最 小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使 得能够高质量和高效率的求解约束优化问题。     

关于多收点容量网络最小费用流的一个问题

对多收点容量网络最小费用流问题,证明了当收点处的净流入量增加时,其总的最小费用沿着该收点的方向的增长速率也相应增加     

二维各向异性位势问题的改进插值型边界无单元法

【目的】把边界积分方程方法和基于非奇异权函数的改进移动最小二乘插值法相结合,建立数值求解二维各向异性位势问题的改进插值型边界无单元法。【方法】在改进移动最小二乘插值法的基础上,讨论了非奇异权函数的改进移动最小二乘插值法,它的形函数满足Kroneckerδ函数的性质,因此可以直接施加边界条件。【结果】数值算例表明该方法求解二维各向异性位势问题是有效和可行的。【结论】与边界元方法相比,该方法精度和收敛性更好。     

运用图论理论优化运输方案

施工工地运输方案的优化设计可以归结为：按施工期要求设计运输线路或验证已有线路通行能力，计算总线路中影响提高流量的关键路段，取得最小费用最大流。本文运用图论理论这一数学工具把实际问题抽象为有向网络，进而建立数学模型。此方法理论上严密，解题步骤直观清晰，并对公路、水路、铁路等其它运输系统有普遍意义。     

黄金分割法在无约束多元优化问题中的应用

将一维优化方法中的黄金分割法，推广应用于无约束多元优化问题的求解中，给出了具体的算法实施过程，并与目前已有的几种确定性求导寻优法进行了比较；算例结果表明，这一算法是有效实用的．     

黄金分割法在无约束多元优化问题中的应用

将一维优化方法中的黄金分割法推广应用于无约束多元优化问题的求解中，给出了具体的算法实施过程，并与目前现有的几种确定性求导寻优法进行了理论比较，算例结果表明该文算法是有效实用的。     

采用断续附设边界的间接边界单元法解位势问题

本文提出了在间接边界单元法界采用断续的附设边界来求解位势问题.该方法避免了奇异积分,简化了计算,同通常的奇异间接法相比,它大大地提高了计算精度.     

混合算法在流量工程中的应用

针对大规模网络中的流量工程问题,设计了结合遗传算法与模拟退火以及结合遗传算法与爬山法的两种混合算法.仿真实验表明,结合遗传算法和模拟退火的混合算法在整体性能上较单独使用遗传算法有明显的提高,结合遗传算法和爬山法的混合算法在处理超大规模的网络和海量业务要求的流量工程问题时具有时间上的明显优势.     

混沌最优化算法在结构最优化设计中应用

针对非线性约束问题,提出了一种新的、可行的混沌最优化算法———三次载波混沌最优化方法;并将此算法用于工程结构优化设计中。计算结果表明,与已有的直接搜索方法相比,该算法简单,容易实现,求解精度、收敛速度和可靠性较高,满足约束的效果较好,是解决优化问题的有效方法。     

非线性规划的元胞蚂蚁算法

将元胞自动机思想引入到蚂蚁算法中,提出一种新的进化算法——元胞蚂蚁算法。通过算法的元胞演化机制对信息素的二次分配,有效扩大了对解空间的搜索,避免陷入局部最优,并提高了寻找到所有全局最优解的能力。通过对一系列典型多极值优化问题的求解,均找到了所有全局最优解,显示了其在寻找多峰函数极值点方面的优越性。     

遗传算法在组播路由优化中的应用

通过分析遗传算法和组播路由的特点,提出了一种求解满足带宽-时延约束多组播路径问题的遗传算法.在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子.数值实验结果表明,所提出的算法有效改善了初始群体的整体适应性,便于更快地找到最优路径,有效解决了带宽-延时约束组播路由的问题.     

SCE-UA算法在TOPMODEL参数优化中的应用

以江西修水万家埠流域为例,用SCE-UA算法对TOPMODEL参数进行了优化,并对优化结果进行了检验.结果表明:SCE-UA算法不仅可以用于概念性水文模型和分布式水文模型,还可以用于半分布式水文模型———TOPMODEL;TOPMODEL参数上下边界需根据参数的物理意义和研究流域特性来确定;在SCE-UA算法中,目标函数的建立对于参数优化具有重要作用,在次洪模拟时,目标函数应突出高水过程和洪峰对模拟效果的影响;SCE-UA算法的绝大部分参数取值都可以采用已有研究成果的默认值,只有复合型个数p需要根据具体问题确定.     

基于SCE-A算法的新安江模型参数优化及应用

为了减小水文模型参数优化中人工试错法和局部优化法的不确定性,以一种快速有效的优化方法搜索到水文模型参数的全局最优解。以安徽呈村流域为例,使用SCE-UA算法对新安江模型参数进行优化,日模型和次洪模型分别采用总体水量误差和对数绝对值误差作为目标函数,分析优化结果并对优化参数进行检验。经检验分析,日模型检验期确定性系数均达到0.8,次洪模型检验期确定性系数接近0.9。研究结果表明,采用SCE-UA算法优化新安江模型参数可以取得较好结果,目标函数的选择对参数优化有着重要作用。     

遗传算法在组合优化中的应用

针对组合优化中规模较大问题用传统的优化方法求解耗时较长的缺点,将遗传算法应用于0-1规划中,用基于二进制表示的罚函数法和修正方法处理背包问题;并对指派问题进行遗传算法设计,使这两个问题得到很好的解决,从而说明了遗传算法具有超越传统方法的优势,为解决此类问题提供了一种新的手段,是传统方法的补充和完善.     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化(Particle SwarmOptimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

暂态混沌神经网络算法在矿井通风网络风量优化中的应用

针对传统矿井通风网络解算方法的缺陷,提出一种新的暂态混沌神经网络的解算方法,利用混沌变量在混沌运动过程中所具有的遍历性、随机性来寻找全局的最优解,克服陷入局部极小的趋势.以通风总能耗最低为目标函数建立通风网络优化的数学模型,应用暂态混沌神经网络算法对一个简单通风网络的优化模型进行求解.实验结果表明:优化后通风系统总能耗降低了2.63 kW,节能率大约为3.78％.