光纤λ/4波片的温度特性

分析光纤λ/4波片的温度特性,讨论应力双折射的熊猫型光纤和几何双折射光纤制成的λ/4波片的相位延迟随温度变化的改变情况,得出几何双折射光纤制成的λ/4波片更为稳定.对自制的两种光纤λ/4波片进行实际测量,实验结果显示,用几何双折射光纤制成的λ/4波片比用熊猫型光纤制成的λ/4波片在-40～60 ℃的温度范围内具有更好的温度特性.     

二次背包问题的秩二松驰

把对最大割问题进行秩二松驰的思想应用到二次背包问题上,得到二次背包问题的秩二松驰模型.应用罚函数法求得该模型的最优解,再利用扰动算法将该最优解转化成二次背包问题的解.     

基于贪婪策略整体分布优化算法的0-1背包问题求解

提出了一种思想简单且可用于0-1背包问题求解的基于贪婪策略整体分布优化算法.该算法首先随机产生一个初始种群,经贪婪策略将种群变成价值相对较高的可行解,保留本次最优解;然后以最优解为中心,用柯西分布产生新的种群,经贪婪策略将新种群变成相对价值较高的可行解,再保留本次最优解,重复以上过程,达到最大迭代次数,求出问题的全局最优解;最后,对不同规模的问题进行了实验.结果表明:该算法在求解0-1背包问题上是有效的,比遗传算法、贪婪算法具有更强的寻优能力.     

一种求解多维背包问题的小世界算法

针对遗传算法求解复杂组合优化问题时出现早熟收敛和种群多样性丧失等问题,提出了一种解决多维背包问题的二进制编码小世界算法(BSWA).BSWA算法依据社会学中的小世界现象搜索机理,采用类似遗传变异操作的局部搜索,而非遗传算法中的交叉操作.针对多维背包问题的多约束性,BSWA算法还按照价值资源比大小对不可行解进行贪婪修正,以保证求解的正确性.与遗传算法相比,BSWA可以在一定程度上克服早熟收敛,在保持种群多样性和求解精度方面均体现出较大的优势,具有解决复杂组合优化问题的潜力.对55个标准的多约束0-1背包问题进行了50次随机实验,结果表明,BSWA算法对于其中72.73%的问题可以次次获得最优解,对于其他不能次次求解到最优解的问题,也可以获得非常接近全局最优解的满意解.     

基于直觉模糊熵的粒子群模拟退火算法

针对智能算法在解决大规模0-1背包问题时易陷入局部最优解、收敛速度慢的问题,提出一种基于直觉模糊熵的粒子群-模拟退火算法(IFEPSO-SA)。采用交换操作和模拟退火机制对粒子群算法中的局部最优解二次优化;然后,以种群直觉模糊熵(IFE)为测度,自适应改变惯性权重,并对种群进行变异操作。测试结果表明,IFEPSO-SA在解决大规模0-1背包问题时有较好的求解质量;仿真实验结果表明,IFEPSO-SA与基于直接模糊熵的粒子群算法(IFEPSO)相比,熵值波动较小,反映出IFEPSO-SA有更好的局部搜索能力,并且IFEPSO-SA在算法收敛速度和求解质量方面都优于IFEPSO以及经典的粒子群算法和模拟退火算法。     

有序组合树法求解0-1背包问题初探

以0-1背包问题为研究对象,建立数学模型,采用有序组合树法对中小规模的背包问题进行求解.与传统的贪婪算法相比,该算法更容易找到最优解.并通过实例说明该算法对解决中小规模的0-1背包问题是行之有效的.     

应用知识进化原理求解背包问题的算法研究

以知识进化论哲学思想为基础,提出一种应用知识进化原理求解背包问题的算法(简称为KP-KEA),利用Banach压缩映射原理证明了算法的全局收敛性.该算法使用传承算子来传承知识库中的优秀知识个体,利用创新算子来产生新知识个体,利用更新算子来更新知识库,在它们的共同作用下实现知识的进化,最后从知识库的最优知识个体中获取背包问题的最优解.实例表明,该算法在求解背包问题时取得了良好的效果,其收敛速度和最优解的质量均优于常用的遗传算法.该算法同样适用于其他约束优化问题的求解.     

基于区域分割的差分进化算法求解0-1背包问题

为了更有效地求解0-1背包问题,提出了基于区域分割的差分进化算法(PDE).为保证变异算子的封闭性,对传统差分进化算法(DE)的变异算子进行了修改.引入区域分割算法以后,解空间中一些没有希望的点被移除,缩小了最优解的搜索范围,增加了找到最优解的概率.将区域分割和贪婪算法相结合,用搜索到的最好解替换了种群中目标函数值最差的个体,保证了种群的多样性.数值实验表明:该算法比文献中的DE算法更稳健,全局搜索能力更强,能以更大的概率找到背包问题的最优解.     

一类带有上下界约束的二次规划的多项式算法

讨论了一类带有上下界约束的二次规划问题，给出了一个求其全局最优解的多项式算法，此问题可应用于混料回归设计最优化问题。     

贪婪法在算法设计中的应用与局限

利用贪婪法进行算法设计时速度快,但由于算法只是考虑局部最优解,未从整体最优上加以考虑,有时不能得到全局最优解.以背包问题、克鲁斯卡尔算法为例系统阐述了贪婪法在算法设计中的应用,又以找零钱、数塔问题、货郎担问题为例对于贪婪法求解以及实际最优解做了对比,系统地分析了贪婪法在算法设计中的局限.     

0-1多项式背包问题的一种精确算法

提出了0-1多项式背包问题的一种新的精确算法. 该算法是一个基于拉格朗日松弛和对偶搜索的分枝定界方法. 用外逼近法求拉格朗日对偶问题得到上界,其中拉格朗日松弛问题通过转化为一个网络最大流问题来求解. 为了提高算法的效率,利用两种启发式方法求初始可行解,并用填充和交换的方法改进后得到初始下界; 并且在分枝定界前, 利用所得到的拉格朗日界, 先固定最优解中某些变量的值. 数值结果表明该算法是有效的.     

基于增广Lagrangian算法的供应链生产计划协调优化

为解决具有分布特点的多厂供应链生产计划的协调问题,提出了一种基于增广L agrang ian松弛算法的内部价格协调优化策略。利用增广L agrang ian松弛算法将工厂之间的耦合约束松弛,从而把整个供应链计划问题分解为多个可利用本地信息求解的单厂计划子问题。为获取问题可行解与加快算法的收敛速度,又分别提出了一种前溯式可行化算法与一种模糊次梯度算法。通过协调中心对产品内部价格的迭代更新,实现了整个供应链生产计划的协调优化。仿真结果表明,该策略能够较好地协调多厂供应链计划,效果明显优于已有的协调方法。     

改进的量子粒子群优化算法对多维多选择背包问题的求解

针对多维多选择背包问题无法在多项式时间内找到最优解, 且由于其强约束限制条件, 在求解过程中易陷入局部最优的问题, 提出一种改进的量子粒子群优化算法对该问题进行求解. 首先, 在量子粒子移动过程中, 通过判断其与下次迭代个体的位置关系确定其位置信息的可用性, 通过该信息充分保留粒子位置的多样性; 其次, 提出一种新的位置扰动方法, 避免种群陷入局部最优. 最后, 将该算法在标准数据集上进行测试, 对算法的收敛速度和运行时间进行分析, 测试结果表明, 该算法在求解准确性上得到明显提升.     

Sharp增广拉格朗日函数的局部鞍点

对于约束优化问题,证明了局部鞍点就是局部最优解,利用泰勒展开公式证明了sharp增广拉格朗日函数在二阶充分性条件下,局部鞍点的存在性,从而保证了原问题和对偶问题的局部最优值相等.     

一类同余方程组解数的上界估计

 主要研究同余方程组有解时,关于m=(m₁,m₂,…,m_2r)解数的问题.通过引入初等的方法,得到当r=4时,该同余方程组关于m解数的上界估计.     

受扰动双线性离散系统的多目标最优控制

研究了双线性离散系统的多目标最优控制问题,给出了一种基于受扰动系统的两级最优控制算法.两级算法的下级用动态规划求解具有双线性二次型结构的辅助La-grangian 问题,上级通过迭代调整辅助Lagrangian问题中的参数向量,不断重复这个过程,直至从非劣解集中挑出最优解.最后,仿真实例证明了该算法的有效性.     

求解多目标0/1背包问题的克隆选择算法

提出一种用于求解多目标 0/1 背包问题的新算法.新算法将抗体群中的抗体分为支配抗体和非支配抗体代替传统算法中对所有个体分配适应度值,解决了多目标优化问题中解的多样性的问题.先通过克隆操作实现全局择优,得到分布较广的Pareto-前端,接着采用免疫基因操作提高算法的局部搜索能力,同时采用抗体修正操作对由免疫基因等操作产生的不可行解进行修正,保证抗体在可行解范围内,并实现局部搜索.该算法与已有算法相比能更好地保持解的多样性、均匀性以及收敛性.仿真实验表明,新算法所得的 Pareto-前端分布最广,所得的解能较好地收敛到 Pareto-前端,并且将均匀性评价指标降低到1%以下.