用罚函数求解二层线性规划的方法

在研究下层对偶问题的基础上，用内罚函数法，将二层线性规划问题转化为一般规划问题，然后根据可分规划方法和渐近外逼割平面法，设计了其全局最优算法．     

—种求解线性二层规划的神经网络方法

提出了—种求解线性二层规划的神经网络方法.采用以下层问题的对偶间隙为罚项,构造线性二层规划罚问题的思想,将线性二层规划转化成相应的单层规划问题,然后设计求解单层规划问题的神经网络模型,从而得到线性二层规划的最优解.该网络是Lyapunov稳定的,且在适当的条件下收敛于线性二层规划的最优解,仿真结果表明该神经网络可以有效地得到线性二层规划的最优解.     

基于乘子法的非线性二层规划求解方法

引入乘子法及非单调技术，给出了一种利用乘子法和罚函数法求解非线性二层规划的简单方法，并通过数值试验，验证算法的可行性。     

一种求解线性二层规划的方法

将非线性规划问题中的Frank-Wolf方法应用到线性二层规划问题中,提出了一种求解线性二层规划问题的Frank-Wolf方法,讨论了算法的收敛性,并通过实例说明该方法是可行有效的.     

求解线性双层规划的割平面算法

利用线性双层规划的全局最优解可在其约束域的极点上达到这一性质,通过对问题可行解集合的结构进行探讨,引进一种割平面技术,提出了一个求解线性双层规划的全局收敛算法,并通过一个算例说明了算法的求解过程.     

求解二层线性规划的极点算法

给出了求解二层线性规划全局最优解的极点搜索方法。该方法首先通过单纯形方法分别求出原问题约束域和下层对偶问题约束域的极点,并按照上层目标函数值的大小顺序将原问题约束域的极点进行排序,然后把下层对偶问题约束域的极点依次和原问题约束域中有序极点进行组合,利用下层对偶问题的对偶间隙等于零来验证极点的有效性,以此确定问题的全局最优解。最后通过算例验证算法的有效性和可行性。该方法具有简单易行、可操作性强的优点。
     

求二层线性规划最优解的极点方法

根据二层线性规划的最优解一定可以在约束集的极点找到这一理论,给出了求解二层线性规划的极点方法,通过上层目标函数值的排序,避免了盲目验证极点这一缺陷,最后通过算例描述了算法求解过程,并验证了算法的有效性.     

用Powell方法求解不可微函数

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法.混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率.由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法.     

一个求解线性双层规划的全局收敛算法

用线性规划对偶理论讨论了线性双层规划的最优性条件,利用下层问题的对偶间隙,将线性双层规划转化为目标函数带惩罚项的单层问题,通过对转化后的单层问题进行求解,给出了一个求解线性双层规划局部最优解的方法,然后引进一种割平面约束来修正当前局部最优解,直到求得线性双层规划的全局最优解。提出的算法具有全局收敛性,并通过一个算例说明了算法的求解过程。     

二次罚函数的可分化方法

可分方法用于将一个复杂的大规模优化问题分解成各个子问题进行求解。本文对可分优化问题给出两种可分方法,即分别将辅助问题原理(APP)方法和分块协调下降(BCD)方法应用于二次罚函数方法(QPM),并提出相应的QPM+APP算法和QPM+BCD算法,使得在求解可分优化问题时仅需要修正罚因子。最后给出了两个算例,通过与文献[1]中的ALR+APP和ALR+BCD算法作比较来求解,所得的计算结果说明本文给出的两种算法是具有有效性的。     

基于过滤信赖域算法的非线性二层规划求解方法

引入过滤信赖域技术,给出了一种利用线性二次二层规划逼近求解非线性二层规划的方法,并通过一个数值试验,验证算法的可行性.     

一类有线性约束的二层优化问题的极大熵方法

对一类下层带有线性约束条件的二层优化问题构造出一个新的极大熵函数来近似表示下层极值函数 ,将不可微二层优化问题转化为可微单层优化问题来处理 ,从而得到一类二层优化问题的ε 最优解的一种计算方法 .     

一类非线性二层规划的Frank-Wolfe方法

利用下层问题的K-T最优性条件将下层为线性规划的一类非线性二层规划转化为相应的单层规划,同时取互补条件为罚项,得到该类问题的单层罚问题;然后利用Frank-Wolfe方法对单层罚问题进行求解.数值实验表明该方法是可行的.     

基于反凸规划的两层线性规划问题全局最优解算法

利用两层线性规划的全局最优解可在其约束域的极点上达到这一性质,通过对问题可行解集合的结构进行探讨,将两层线性规划转化为带有反凸约束的线性规划,建立了一个新的全局解算法,证明了算法能收敛到问题的全局解,并通过一个算例说明了算法的求解过程．     

一类非线性二层规划的一种求解方法

研究了一类非线性二层规划的求解方法.该二层规划的第一层的目标函数是DC函数,下层是求一个二次规划问题的KKT点.将DC规划中的DCA与Zoutendijk可行方向法相结合,提出一种简单有效的算法来解这个非线性二层规划问题,并通过数值算例的计算结果说明了该算法的可行性和有效性.     

基于蚁群全局优化的二层规划模型与仿真

二层规划问题通常是一个非凸问题,因此在实际工程领域对其进行求解具有极大的困难.研究了问题的本质特征,提出了一种组合设计算法模型——基于蚁群算法求解二层规划问题的全局优化策略.组合算法采用蚁群算法求解上层问题,下层的线性规划问题则采用单纯型算法完成求解.设计的组合算法思路清晰,仿真计算结果表明,该算法有着良好的全局收敛可靠性和较高的收敛速度,是目前求解此类两层线性规划问题的一种有效算法.     

关于Werner对称模糊二次规划的求解

针对Werner对称模糊二次规划,提出了将容差法与外罚函数法结合起来求解的一种新解法。先用容差法使模糊问题清晰化,然后运用外罚函数法进行求解。最后用数值例子,验证了该方法的可行性。     

求解线性不等式组问题的几种方法

本文研究了求解线性不等式组的几种实用算法,首先把线性不等式组问题转化为线性规划和凸二次规划,通过求解线性规划和凸二次规划得到线性不等式组的一个解,紧接着给出了直接求解线性不等式组的旋转算法;实例说明这些方法是可行的.     

求解二层规划问题的萤火虫智能群优化算法

针对二层规划问题,给出二层决策问题数学模型的一种新的解法,二层规划萤火虫智能群优化算法:首先采用以原问题的下层问题的Kuhn-Tucker条件代替下层问题的思想,将二层规划问题转化为单层规划问题.其次为避免求解目标函数的梯度信息以及算法过早的陷入局部最优,利用基于Pareto最优解集的萤火虫智能群优化算法对其进行求解,并利用Matlab予以实现.利用5个具有代表性的标准测试实例对该算法予以测试,并与其他算法进行比较.结果表明,结合Kuhn-Tucker条件的萤火虫智能群优化算法在5个测试函数中均能寻找到最优Pareto解,并且在求解的上层目标函数值上均优于对比算法,表明新算法可行有效.     

无约束线性二层规划问题的区间算法

利用区间分析研究无约束线性二层规划问题的数值方法.通过建立目标函数的区间扩张和构造无解区域删除检验原则,建立区间算法,证明了算法的收敛性,并进行数值实验,给出数值算例.该算法可以同时求出二层规划的最优值和全部最优解的区间值.算例结果表明该算法是可靠和有效的.