线性规划的“多反而少”现象及线性规划模型的改进

本文拓广了“多反而少”现象的含义, 得到了传统线性规划模型存在“多反而少”现象的充分必要条件, 建立了在解决实际线性规划问题时, 可避免“多反而少”现象的线性规划新模型。     

非线性规划的双层目标规划模型及一体化复形法

本文将非线性规划问题等价地转为一双层目标规则模型,利用模型与算法一体化构思给出了双层目标规划模型的复形求法,该方法将可行解与目标优化纳入统一过程,改进和扩展了非线性规划的复形法。     

整数规划的一种线性规划解法

根据凸分析理论和单纯形法原理，提出了整数规划的一个线性规划解法。该方法主旨是将整数规划问题的离散的可行集填充成一个连续的单纯形，这样原整数规划问题就化为该单纯形上的一个新的线性规划问题。利用单纯形法求解该线性规划问题，便可得到整数规划的最优解。且进一步提出并证明了指派问题的线性规划解法。     

非线性规划问题求解的遗传算法设计与实现

针对一般非线性规划 (NonlinearProgrammingProblem ,NPP)问题 ,采用遗传算法思想设计了通用求解算法 ,并用MATLAB语言实现 ,该软件可广泛运用于求解各种NPP问题。实例表明 ,该算法具有较高的计算效率。     

差分进化算法求解二阶段直觉模糊非线性规划

针对Plamen直觉模糊规划模型需要同时考虑目标和约束函数的拒绝和满足程度,算法的计算量相当于模糊规划两倍的问题,提出了二阶段直觉模糊规划模型.即前期只考虑目标和约束函数的拒绝程度,使最优值集中在全局最优值附近,后期只考虑目标和约束函数的满足程度,使最优值靠近全局最优值,因此,算法的计算量仅为Plamen直觉模糊规划模型的一半.并用差分进化算法进行求解,根据前、后两阶段的特点,分别采用DE/rand/1和自适应变异算子.最后,通过Benchmarks测试函数验证了方法的有效性和稳定性.     

区间非线性规划问题的确定化描述及其递阶求解

讨论以区间参数形式给出的不确定性非线性规划问题,提出了一种含有决策风险因子的新的区间参数不确定非线性规划的一般命题形式,并分别就不确定性参数出现在目标函数或约束条件中的不同情况,给出不同的表达形式.文章给出用遗传算法,采用递阶优化方式求解区间参数不确定非线性规划的具体算法.仿真结果表明该形式的可行性.     

模糊多目标线性规划最优性分析

由于目标和参数的不确定性，模糊多目标线性规划的最优解不是唯一的，本文在截集基础上对模糊最优解的上、下边界进行了分析，提出模糊多目标线性规划的变换模型及相应的参数算法和综合算法，并通过数字实例对模型及算法做出了说明。     

基于改进PSO的加权直觉模糊多目标规划

针对模糊多目标规划不区分各目标重要程度的缺陷,提出了一种加权直觉模糊多目标规划模型.首先,在模糊多目标规划的基础上,进一步定义目标函数和约束函数的非隶属函数;然后,对目标函数的隶属和非隶函数分别加权求和,通过直觉模糊"最小-最大"算子,提出了加权直觉模糊多目标规划模型,并用改进的微粒群算法求解;最后,通过一个算例表明,加权直觉模糊多目标规划的收敛速度很快,既可收敛到可行域中的最优解,又可收敛到容许偏差范围内的最优解,具有较大的实用性.     

灰色非线性规划问题及其遗传算法求解方法

灰色系统中的非线性规划问题是一类重要问题 .本文针对一般灰色非线性规划问题 ,给出了一种基于随机模拟的遗传算法求解方法 .实例证明 ,将遗传算法应用于灰色非线性规划问题的求解能取得较好的效果.     

基于灵敏性分析的模糊非线性规划方法

在求解含不确定性模型参数的模糊非线性规划问题时,一般会使用模糊区间较大的模糊参数,然而,这将会影响目标所能达到的满意度水平. 为此,论文提出采用灵敏性分析的方法研究模糊参数对目标的影响程度,找出严重制约优化目标满意度的模糊参数,通过减小其模糊区间而使问题的结果更加合理. 给出一种简单搜索算法确定模糊数的最佳取值区间,帮助决策者深入了解不确定性模型参数的性质. 通过一个数值实例详细阐述所提方法,验证了其有效性.     

变量模糊的多目标模糊线性规划问题研究

本文利用定义模糊数大小的偏序方法，将一类含模糊变量的多目标模糊线性规划问题等价成一个多目标线性规划问题，然后进一步转换成两层多目标线性规划问题，大大地简化了原问题的求解。     

基于Takagi—Sugeno模糊模型的模糊非线性规划问题

Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的本质在于：一个整体的非线性动力学模型可以看成 多个局部线性模的模糊逼近。     

进化规划中防治早熟收敛的方法

对进化规划中容易出现的早熟收敛现象做了分析,定义了刻划早熟收敛现象的两个量,针对预防和处理早熟收敛现象,将小生境技术引入EP的竞争选择机制预防早熟收敛的发生,并使用重开始策略来解决早熟收敛发生后搜索如何继续有效进行的问题,引入这两种方法后的进化规划能够很好地克服早熟收敛带来的不利影响,性能得到明显提高,对典型函数的数值仿真实验证明了这两种方法的有效性。     

一种求解混合整数非线性规划的新算法

针对混合整数非线性规划求解难的问题,本文给出了一种新的求解策略--混合序列差异演化算法,该算法采取混合编码的形式以便处理连续变量、整数变量以及混合整数变量的优化问题.最后通过数例检验算法的优越性,仿真结果表明该算法求解效率高、收敛速度快、全局搜索能力强.     

一般两层非线性规划问题的模拟退火全局优化

提出了一种基于模拟退火算法求解一般两层非线性规划问题的全局优化策略.采用模拟退火算法è求解上层问题,用精确惩罚函数处理约束,保证了算法稳定迅速地收敛于全局最优解.为了提高算法的效率,对标准模拟退火算法采取了一些改进措施.下层的非线性规划问题则采用可变容差单纯型算法完成求解.所设计的组合算法思路清晰,编程简单,数值计算结果表明,该算法有着良好的全局收敛可靠性和较高的收敛速度,是求解一般两层非线性规划问题的一种有效算法.     

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。     

两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

一种求解混合非线性整数规划的支撑超平面方法

给出一种在可行域边界生成支撑超平面(Supporting Hyper Plane, SHP)的方法来求解凸混合整数非线性(Mixed Integer Nonlinear Programming, MINLP)问题.扩展切平面(Extended Cutting Plane, ECP)算法作为求解混合整数非线性规划的一种重要方法 ,在算法结构上简单,鲁棒性强,但是该算法收敛速度慢,特别是当被求解问题非线性程度比较高时.SHP算法在每次迭代过程中对可行域的估计比 ECP算法更准确(更小), 从而加快了算法的收敛速度.和ECP方法相比, SHP算法有效的提高了求解MINLP问题的效率,数值试验显示了该方法的有效性.     

关于多品种有约束存储模型的一种非线性整数规划方法

对多品种有约束的存贮论问题,传统的存贮模型是通过给每一种货假设一个决策变量（定量时间或定货量）再用Kuhn-Tuchker条件求得“最优解”,实际上这样的结果并非最优解。它存在着订货次数过多,资源利用率低,总费用过高等缺点。本文通过对时间的有效切割入手,建立了一非线性整数规划模型比较好地解决了这一问题,本文在提出新的方法的同时,将之与传统有约束存贮模型和无约束存贮模型作了充分的对比。