非线性单纯形的修改算法

提出了非线性单纯形算法的修改算法。在原单纯形算法的基础上增加了一种新的反射方向的计算方法;用“映射单纯形”方法代替“单纯形顶点代换”方法;有选择地采用“单纯形压缩”计算。修改单纯形算法对初值的适应范围更亮、能有效加快收敛速度。     

单纯形的加速算法

该文提出了能有效加快收敛速度的修改单纯形算法。在原单纯形算法的基础上增加了一种新的反射方向的计算方法；用“映射单纯形”方法代替“单纯形顶点代换”方法；有选择地采用“单纯形压缩”计算。计算结果表明，修改单纯形算法对初值的适应范围更宽，收敛速度更快，收敛次数从50—100次降低到30次左右，可以避免迭代过程中的单纯形退化现象。     

一种跟踪同伦曲线的自由单纯形算法

给出一种新的跟踪同伦曲线的自由单纯形算法。算法的每一步都沿着同伦曲线方向构造一个单纯形，这个单纯形由某标准单纯形经正交变换得到；然后在单纯形上作线性逼近函数；最后求出线性逼近函数的解线段代替同伦曲线。如果要整个地很好地跟踪同伦曲线，还可以每步用牛顿法校正。文章最后给出一个实例。     

二分单纯形算法中子规划的改进

二分单纯形算法中,线性规划问题的最优解是通过求解一系列子问题来实现的,本文针对二分单纯形算法中的子规划问题作进一步研究,提出了一个新的了规划问题来改善问题的不可行性,并确定出了相应的主元旋转规则,给出了相应的子算法,同时进行了数值实验,实验结果表明,调用新子算的二分法与原始二分法相比,迭代次数和计算时间均有所改善,可视为原始二分算法的一种改进算法。     

一个改进的非线性单纯形算法

提出了非线性单纯形算法的修改算法．在原单纯形算法的基础上结合线性搜索算法；用线性搜索方向最优点代替原算法的反射点；修改后的单纯形算法能加快收敛速度．     

基于单纯形法进行局部优化的人群搜索算法求解绝对值方程

设计一种利用单纯形法进行局部优化的人群搜索算法求解一类形如Ax-|x|=b的不可微绝对值方程的新算法. 该算法通过引进单纯形算法, 提高基本人群搜索算法的局部搜索能力, 增加跳出局部最优解的概率, 从而有效改进人群搜索算法在计算后期易陷入局部最优的缺点. 实验结果表明, 该算法在求解绝对值方程时, 计算精度高、 鲁棒性能好.     

目标超平面上的一种对偶单纯形算法

提出求解第一阶段线性规划问题的对偶单纯形算法.首先,将具有最优值的辅助目标函数作为新约束加入第一阶段问题中;然后,以该约束所在行为枢轴行进行旋转变换产生辅助超平面上的一个极顶点,如果这个点可行,第一阶段对偶单纯形算法结束,否则,迭代固定在辅超平面上极行;接下来,以右手项取负值的所有约束之和为目标(约束),通过对偶迭代使右手边的值单调增加,同时保持右手项为非负的约束仍然可行,一旦右手边取负值的约束变为可行,就将其从目标约束中删除,直至获得一个可行解或者得到原问题无可行解的结论;最后,从NETLIB和MIPLIB测试数据库中选取一些标准的中大规模算例,通过MATLAB编程在计算机上实现数值试验,初步计算结果表明与经典单纯形算法相比,提出的算法在大部分问题上使用更少的迭代次数和执行时间,因而具有更高的计算效率.     

基于单纯形法进行局部优化的人群搜索算法求解绝对值方程

设计一种利用单纯形法进行局部优化的人群搜索算法求解一类形如Ax-|x|=b的不可微绝对值方程的新算法. 该算法通过引进单纯形算法, 提高基本人群搜索算法的局部搜索能力, 增加跳出局部最优解的概率, 从而有效改进人群搜索算法在计算后期易陷入局部最优的缺点. 实验结果表明, 该算法在求解绝对值方程时, 计算精度高、 鲁棒性能好.     

一种高效混合遗传算法

针对基本遗传算法在优化应用中遇到的诸如局部搜索能力差、计算量大、对较大搜索空间适应能力差和早熟收敛等问题，将传统的单纯形搜索算法与遗传算相结合，提出了一种混合遗传算法，并在算法中增加了小生境淘汰运算和加速循环操作，典型测试函数数值算例验证表明，主方法不但可以有效地克服基本遗传算法的上述缺陷，而且计算速度和计算精度都有显著提高。     

改进的模拟退火算法及其在正交偶极子各向异性反演中的应用

正交偶极子各向异性反演中一般采用快速模拟退火算法(VFSA)。为了提高VFSA算法的分辨率，提出了一种改进的VFSA算法，此算法需结合局部优化算法，即在VFSA算法的每一循环中随机产生3个点，然后运用单纯形算法进行局部寻优，所得最优解作为下一循环的初始点继续下一循环。使用改进的VFSA算法处理了大庆某井的正交偶极子声波测井数据，并将该算法与传统的VFSA算法的处理结果进行了比较。结果表明，改进的VFSA算法比传统的VFSA算法具有更好的收敛特性。若合理地选择计算参数，则改进的VFSA算法的速度下降并不明显。     

对偶单纯形法的一个注记

针对运筹学教学难点--对偶单纯形法,通过讨论证明了单纯形表中的列可以视为对偶问题的非基变量的检验数,并讨论了在对偶单纯形法迭代过程中的进基变量与出基变量的确定原则亦如同在单纯形法迭代过程中进基变量与出基变量的确定原则,得出结论是对偶单纯形法本质上就是单纯形法,只是在运用对偶单纯形法解线性规划时需要将单纯形表旋转90°.     

格雷码混合加速遗传算法及其性能分析

通过在格雷码遗传算法进化过程中加入单纯形法学习算子,并利用格雷码遗传算法和单纯形法所得到的优秀个体群,作为变量新的变化范围,逐步缩小搜索空间,自动向最优解收缩,提出了求解非线性规划问题全局解的一种快速算法--格雷码混合加速遗传算法(GHAGA).为了在可行域内能得到全局最优解,在参数的定义域内投放了大量的均匀随机初始点作为初始群体.给出了GHAGA算法实施的详细步骤,建立了GHAGA相应的收敛定理,并分析了该算法的全局优化性能.理论分析和数值模拟表明,GHAGA具有精度高、收敛速度快的特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性规划方法.     

带有一种新的算子的进化规划算法的收敛性分析

针对进化规划(EP)和单纯形法(SM)的不足,综合两种方法的优势,提出了基于进化规划和单纯形法的混合算法(EPSM).该算法以单纯形法中的反射操作为进化规划的一个算子,结合进化规划与单纯形法二者的优点.此法不仅收敛速度快、计算简单,而且拟合精度和跟踪性能也好.对算法的收敛性进行了分析和证明.     

基于精英迁移的主从式双种群动态遗传算法

针对0-1编码的动态优化问题,提出了一种基于精英迁移的主从式双种群动态遗传算法.主种群采用记忆机制,把从种群获得的最优个体替换主种群中较差的个体,同时参与到与记忆个体的演化操作.通过一组动态优化函数进行实验,仿真结果表明,本文提出的算法在各变化周期和变化强度下均能很好的跟踪环境的动态变化.     

一种基于PSO-ABC的全局优化算法

针对粒子群算法和蜂群算法在寻优中存在的一些早熟和收敛速精度不高等问题,论文分别时粒子算法和蜂群算法的更新策略以及更新公式进行了改进,利用改进的粒子群算法和改进的蜂群算法同时对一个粒子位置进行部分算术更新的方法,提出了一种新混合的优化算法.并将其在12个多极值基准函数进行全局最优化测试,实验结果表明,笔者提出的混合优化算法收敛的速度和收敛精度大大提高了,其性大大优于改进的粒子群算法（CLPSO算法）和人工蜂群算法,对于高、低维复杂函数的优化均适用.     

中小投资者的投资组合模型分析

组合投资是一种有效地分散风险的投资决策方法.以中小投资者为对象,在探索建立中小投资者的二次规划模型的基础上,应用单纯形法对模型的求解方法进行了分析探讨,并加以实例验证,结果证明了模型及其求解方法的可行性和有效性,从而能为中小投资者的投资决策提供一定的参考.     

贪心算法的离散化改进

连续属性离散化是数据挖掘的重要预处理步骤,直接关系到挖掘或学习的效果,对于降低算法的实际空间要求和时间消耗、提高后续算法的运行速度具有极其重要的意义。在分析贪心算法的特点和基本思路的基础上,提出了一种新的以属性重要性辅助判断断点重要性的离散化算法,经实例验证,该离散化算法所获得的结果与现场技术人员依据经验所得结论一致。该算法的研究成果为后续的属性约简及数学模型的建立提供了重要的理论依据。     

结构拟动力实验数值积分方法的比较研究

在对结构拟动力实验显式数值积分方法的理论推导的基础上,通过数值计算分别对中央差分法、显式Newmark法、双卢参数法的稳定性和计算精度进行了比较研究。计算结果表明：中央差分法和显式Newmark法稳定条件为／2〈2,双口参数法是无条件稳定的;当力〈0．8,3种方法都具有良好的计算精度。     

基于最小错误概率变步长的盲均衡算法

在分析了基于最小错误概率盲均衡算法的基础上,用牛顿梯度变步长算法实现了基于最小错误概率新的变步长盲均衡,克服了固定步长收敛速度和收敛精度之间的矛盾,加快了收敛速度,减小了稳态剩余误差。计算机仿真结果分别给出了4PAM,8PAM信号在典型电话信道和普通最小相位信道中牛顿梯度变步长算法与固定步长算法的收敛曲线。由两种算法收敛曲线的比较可以看出,新算法的收敛性能明显得到改善。     

多态蚁群算法在计算网格负载均衡中的应用研究

研究了基于多态蚁群算法的计算网格负载均衡方法的可行性,在此基础上,分析并设计了一个基于多态蚁群算法的网格负载均衡算法,给出了算法流程图.最后通过实验仿真,验证了算法的有效性.