灰色二层线性规划问题及其解法

针对二层线性规划问题, 结合灰色系统的特性,提出了一般灰色二层线性规划问题, 并给出了该问题的模型及相关的定理.针对漂移型灰色二层线性规划,基于单纯形法提出了一种具有全局收敛性质的算法来求解该问题.用下层的Kuhn-Tucker条件代替下层问题,将灰色二层线性规划转化为灰色单层规划问题,利用对偶理论将该单层规划转化为一系列灰色线性规划问题,从而用单纯形法求解该问题来得到灰色二层线性规划问题的解. 最后,通过算例验证了文中算法的有效性.     

一类二层线性规划的对偶逼近法

首先讨论了由下层的最优值函数作为响应反馈到上层的一类二层线性规划的有关对偶问题,然后给出了求解这类二层规划的一个对偶逼近法.     

求解二层线性规划问题的混合粒子群算法

结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析.     

二层线性规划模型及其下层极值函数的几种表示

本文在给出层次系统决策过程和讨论两种实际二层线性系统规划模型的基础上，提出了一类具有广泛典型代表性的二层线性系统规划模型。给出了这类二层系统线性规划模型解的两种等价形式和下层极值函数的几种表达式。     

两层广义线性规划

给出二层广义线性规划最优解极点可达性的一个充分条件 .此外 ,利用容许集的极点与下层问题可行集的极点间的关系给出“第 k最好”算法的一种快捷、方便的实现 .算例表明算法是有效的 .     

一类特殊的非线性两层规划新解法

针对下层为可微凸规划的非线性双层规划,提出了一种新算法.基于遗传算法,该算法利用下层规划的单调性将其化为若干个有界约束;这样,整个双层规划就化成了若干个并行且独立的单层规划问题,从而有效地简化了原问题的计算复杂度.对于化简后的单层规划问题,设计了遗传算法,并给出了算法的收敛性证明.最后进行了数值仿真,结果表明该算法具有高效性和鲁棒性.     

一种混合整数双层线性规划的全局优化方法

通过求得下层问题的对偶问题可行域上的极点,将上层所有变量为0 1型变量和下层所有变量为连续型变量的双层线性规划转化为有限个混合整数线性规划问题,从而用求解混合整数线性规划的方法获得问题的全局最优解.由于下层问题的对偶问题可行域只有有限个极点,所提出的方法具有全局收敛性.     

航路流量间隔限制及排序策略一体化决策模型及算法

基于流量间隔限制策略和航路排序策略之间的关联性建立了两种策略一体化决策的二层双目标规划模型.模型将间隔限制值作为上 层规划的决策变量,将排序相关变量作为下层规划的决策变量,在上层规划中同时考虑下级的目标函数.对模型设计了基于NSGA-II的多 目标遗传算法求解,采用了一个快速启发式算法求解下层规划的单目标问题.结合中南区域实际空域及流量数据对模型进行了验证, 并与当前实际运行中的按交通需求比率分配方法进行了比较.结果表明所建立的二层双目标规划模型能满足一体化决策的需求, 所采用的算法能求得多个Pareto近似最优前沿解以供决策选择.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

基于层次遗传算法的非线性双层规划问题求解策略

双层规划是解决层次决策问题的运筹学工具。当前基于传统的优化思想已经提出了很多算法解决搜索空间已知的双层规划问题。但在双层规划领域仍然存在许多问题无法利用现有算法求解。本文基于进化博弈和多目标优化非支配排序的思想,设计了层次遗传算法并利用其求解非线性双层规划问题。最后通过测试函数验证算法的有效性。     

一种具有三角模糊系数的线性规划方法

针对模糊系数的线性规划,提出了一种将三角模糊系数的线性规划转化为常规线性规划的方法,同时给出几个定理和命题以及相应的算法。该方法与常规方法的不同之处在于目标函数和限制条件中模糊系数的隶属度可以取不同的值。因此提出的方法取得的规划结果更加满足决策者的需要。最后通过实例说明该方法的有效性,并且表明该方法在某些条件下与一些常规方法是一致的。     

An MC~2 Linear Programming Approaches to Portfolios

1　 IntroductionThe methods of determining combined weighted coefficients has been extensively studiedby a number of scholar( Granger and Ramanathan,1984;Clemen,1986 ;Diebold andPanly,1987;Cunter and Aksu,1989;Zhou and Yang,1993,1996 ) .These studiesinclu…     

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.     

遗传算法在模糊线性回归子集选择中的应用

针对模糊线性回归,提出子集选择问题,给出评价准则,并采用遗传算法（ＧＡｓ）实现子集选择．最后给出应用实例     

用遗传算法求解改进的投资组合模型

在传统Markowitz投资组合模型中考虑了最小交易量、交易费用以及最大投资上限等实际因素，得到了一个改进的投资组合模型。该模型是一个非线性整数规划问题，传统算法难以有效求解。为此，设计了一种基于整数编码的遗传算法求解该模型。实际算例表明，所提出的算法是有效的。     

新产品开发中的后备盟友选择问题

提出新产品开发项目中的后备盟友选择问题，建立非线性0－1机会约束规划模型，通过为各项开发活动选择后备盟友，实现项目整体失败风险最小化。根据模型的特点，设计带有随机网络模拟程序的遗传算法寻求后备盟友的最佳组合，仿真计算证明了算法的有效性和模型的实际应用价值。     

考虑子系统执行能力的多无人机协同任务规划

任务分配是提高无人机运维效率的关键技术之一。针对子系统执行能力约束条件下的无人机蜂群协同任务分配问题, 提出一种融合拍卖机制的改进狼群算法。首先, 定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述。其次, 对个体狼采用矩阵编码, 针对违反攻击次数的非可行解, 提出基于拍卖机制的修正策略, 以进行处理。然后, 在个体狼位置更新过程中融入遗传算法思想, 在探索阶段和围捕阶段分别进行相邻行交换操作和间隔列交叉操作, 以实现快速寻优。最后, 将第三优狼引入到狼群更新过程中, 从而增强种群的多样性。仿真实验结果表明, 所提方法能够有效求解子系统执行能力约束下无人机蜂群协同任务规划问题; 且相比于其他改进进化算法, 所提方法具有更好的寻优性与收敛速度。     

多目标线性规划模糊决策的加权集成方法

在已有多目标线性规划问题研究的基础上，探讨了加权算术平均算子和加权极大极小算子的性质以及在目标可补偿性的各种情况下求解的方法，利用这两种加权算子，不仅可以保证得到有效解而且随着权重的变化可以得到全部的有效解，在此基础上提出了改进的两阶段法。所提方法在实际决策过程中不仅具有可靠理论基础，而且也给决策者提供了更多的选择余地。