赋权有向图中最小生成树问题的显式整数规划模型

就具有不对称权重的有向图中的最小生成树问题,本文首次建立了相应的显式整数规划模型,这一模型可以成功地运用整数规划软件包如Ｌｉｎｄｏ等求解。并进一步将这一模型推广到随机最小生成树问题,也即具有随机变量权重的有向图中的最小生成树问题,并设计了相应的求解算法,给出了数值例示。     

航天测控调度模型及其上界求解算法

通过分析航天测控调度问题的测控需求,建立了航天测控调度0-1整数规划模型,运用拉格朗日松弛方法对模型中的任务约束和设备约束进行了松弛,运用次梯度优化算法求得了拉格朗日对偶问题的上界.最后,通过对两个场景的试验分析,证明了次梯度优化算法所得上界的有效性.     

中国邮递员问题的整数规划模型

基于无向图的传统中国邮递员问题,给出了相应的显式整数规划模型,应用整数规划软件包求解可以方便地确定相应问题的最优投递路线,进一步地,讨论了一类基于有向图的广义中国邮递员问题,给出了相应的显式整数规划模型;并研究了随机中国邮递员问题,建立了相应的确定型等价模型.举例说明了各种模型的有效性.最后,讨论了中国邮递员问题的可能推广及其建模问题.     

一类混合机会约束整数规划模型及其应用

提出并建立了一类混合机会约束整数规划模型,该模型同时含有模糊和随机参数。运用随机模拟与模糊模拟相结合的技术,给出了求解该机会约束整数规划模型的遗传算法。针对一类生产计划问题,在模糊和随机两类不确定因素同时并存的情况下,分析建模和数值求解,结果说明了模型和算法的适用性和有效性。     

应对自然灾害的应急资源布局模型与算法

以地震为背景,考虑灾害发生时需求不确定的条件,建立基于情景分析的随机整数规划模型,解决针对自然灾害的应急资源布局问题.将灾害发生后的情景划分成两个阶段的随机事件,前一个随机事件表示灾害刚发生后震源位置、震级大小的信息;后一个表示当震源和震级的信息确定后,各个灾区的需求量.利用有限个情景表示不确定性数据.通过松弛非预期约束,将松弛问题按照情景分解,并利用分支定界算法求解Lagrange松弛问题.数值试验表明,建立的模型是实际可行的,而且算法也是有效的.     

一类非线性两级混合整数规划问题的全局最优解的近似算法

讨论了一类非线性两级混合整数规划的求解问题 .基于非线性混合整数规划理论和算法 ,探讨了对上级规划问题采用模拟退火求解混合整数规划的算法 ;对下级规划问题采用内罚函数法 .实际运算证明 ,该算法是有效的.     

基于情景分析的应急资源布局决策

考虑灾害发生时需求、运输代价等不确定因素,建立基于情景的应急资源布局两阶段数学规划模型,解决针对自然灾害的应急资源布局问题。将应急资源分配过程作为辅助决策阶段,解决应急设施选址和应急资源配置问题,并利用最小最大值的鲁棒优化方法进行应急资源布局决策。在求解模型时,根据灾害发生的不确定性,利用有限个情景集表示第二阶段的不确定性数据,并将模型化为与其等价的混合整数规划模型,利用情景松弛的迭代算法进行求解。数值试验结果表明基于最小最大准则的应急资源布局模型具有良好的鲁棒性,而且算法也是有效的。     

运输能力受限与费用时变批量问题的拉格朗日松弛启发式算法

在多产品、多周期动态批量问题中引入产品的运输成本,每个周期采购的产品通过同一类型的运输工具运输.单位运输工具运载能力受限,每个周期可以使用的运输工具数量有限且单位使用费用时变.根据初始假定建立混合整数规划模型,运用拉格朗日松弛理论,通过约束松弛与模型分解,设计一个启发式算法进行模型求解.通过随机产生的大量实例从计算效果与效率两方面来评价启发式算法.     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.     

基于拉格朗日松弛的预约调度模型与算法

针对带有爽约的预约调度问题,在假定未爽约病人都在相应预约段的起始点准时到达的情况下,构建了一个以预约人数为优化变量的整数规划模型.目标函数包括服务病人收益、病人等待费用及系统超时费用.通过松弛各时间段剩余人数概率的关联约束,提出了基于拉格朗日松弛的求解算法,其松弛问题通过动态规划求解,对偶问题通过经典的次梯度法求解.数值实验表明,针对小规模的预约段数,该算法都能找到最优解;当预约段数较大时,算法找到的最好解整体上优于文献中已有的算法,从而验证了算法的有效性.     

Implementation of Presolving and Interior-Point Algorithm for Linear & Mixed Integer Programming: SOFTWARE

Linear and mixed integer programming are very popular and important methods to make efficient scientific management decision. With large size of real application data, the use of linear-mixed integer programming is facing problems with more complexity; therefore, preprocessing techniques become very important. Preprocessing aims to check and delete redundant information from the problem formulation. It is a collection of techniques that reduce the size of the problem and try to strengthen the formulation. Fast and effective preprocessing techniques are very important and essential for solving linear or mixed integer programming instances. In this paper, we demonstrate a set of techniques to presolve linear and mixed integer programming problems. Experiment results showed that when preprocessing is well done, then it becomes easier for the solver; we implemented interior-point algorithm for computational experiment. However, preprocessing is not enough to reduce the size and total nonzero elements from the constraints matrix. Moreover, we also demonstrate the impact of minimum degree reordering on the speed and storage requirements of a matrix operation.All techniques mentioned above are presented in a multifunctional software to facilitate users.     

A novel mixed integer programming formulation and progressively stochastic search for capacitated lot sizing

The capacitated multi-level lot sizing problem is to schedule a number of different items with a bill-of-materials structure over a horizon of finite periods.To advance techniques of solving this class of problems,this paper proposes a new mixed integer programming formulation.Theoretical proofs and computational tests are provided to show that this formulation is able to provide better linear programming relaxation lower bounds than a previously-proposed strong mixed integer programming formulation.Based on the new strong formulation,a progressively stochastic search approach is proposed for solving the problem.Computational results showed that the approach generates high quality solutions,especially for problems of large sizes.     

Global convergent algorithm for the bilevel linear fractional-linear programming based on modified convex simplex method

A global convergent algorithm is proposed to solve bilevel linear fractional-linear programming,which is a special class of bilevel programming.In our algorithm,replacing the lower level problem by its dual gap equaling to zero,the bilevel linear fractional-linear programming is transformed into a traditional single level programming problem,which can be transformed into a series of linear fractional programming problem.Thus,the modified convex simplex method is used to solve the infinite linear fractional programming to obtain the global convergent solution of the original bilevel linear fractional-linear programming.Finally,an example demonstrates the feasibility of the proposed algorithm.     

An Approximate Algorithm for a Class of Nonlinear Bilevel Integer Programming

The algorithm for a class of nonlinear bilevel integer programming is discussed in this paper. It is based on the theory and algorithm for nonlinear integer programming. The continuity methods for integer programming are studied in this paper. After simulated annealing algorithm is applied to the upper-level programming problem and the thought of filled function method for continuous global optimization is applied to the corresponding lower-level programming, an approximate algorithm is established. The satisfactory algorithm is elaborated in the following example.     

求解多项目组合选择问题的奔德斯分解算法

随着我国经济的快速发展,项目组合选择问题所面临的待选项目集日益膨胀.而项目组合选择模型通常表示为整数规划或混合整数规划的形式,过多的待选项目会对项目组合选择模型的高效求解带来巨大的挑战.针对这一问题,本文研究了多项目组合选择模型的奔德斯分解算法.将原问题分解成仅考虑从待选项目集中选出最优组合的主问题与对已选项目进行排序的子问题,通过主子问题间的迭代逐步逼近最优解.通过算法性能分析,发现直接使用奔德斯分解算法存在着收敛速度慢,子问题不可行的缺点.为了加速算法的收敛速度,对主问题进行了修正,提出了一种利用潜在的最优项目及有效不等式改进主问题的新思路.最后,通过算例分析,对比了直接使用分支定界法与使用奔德斯分解算法两类求解方法的求解效率,验证了本文所提出方法的有效性与合理性.     

Chance Constrained Integer Programming and Stochastic Simulation Based Genetic Algorithm

ＣｈａｎｃｅＣｏｎｓｔｒａｉｎｅｄＩｎｔｅｇｅｒＰｒｏｇｒａｍｍｉｎｇａｎｄＳｔｏｃｈａｓｔｉｃＳｉｍｕｌａｔｉｏｎＢａｓｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ⒇ＺＨＡＯＲｕｉｑｉｎｇＣｏｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｒｉｎｇ,Ｓｈｉｊｉ...     

混合整数规划问题遗传算法的研究及仿真实现

提出了一种可以处理混合整数规划问题(MIP)的混合遗传算法MIGA。该算法采用二进制映射模式可变长度染色体编码,在进化过程逐渐缩小编码的搜索空间,从而在加快收敛速度的同时改善了迭代的精度,能很好处理离散变量和连续变量的混合整数规划问题。以一纯整数规划问题为例,利用分枝定界算法只能得到唯一的一个最优调度策略,而MIGA算法则可以得到一系列的最优调度策略,对这些最优调度策略进一步的分析,还可以得到调度问题一些灵敏度参数,在实际应用中具有更大的灵活性。     

802.11ax系统中基于OFDMA调度接入的公平性资源分配算法

针对802.11ax系统中基于正交频分多址接入(orthogonal frequency division multiple access, OFDMA)调度接入的上行多用户传输链路, 提出了基于能量效率的公平性子信道匹配和功率分配算法。根据基于能量效率的上行链路模型, 提出资源块(resource unit, RU)数量确定算法和独立子信道匹配与功率分配算法; 进而针对独立分配中频谱利用不足和功率分配不合理的问题, 提出改进的联合子信道和功率迭代分配算法, 通过应用广义分式规划, 改写约束条件并在目标函数中加入惩罚项来松弛整型变量, 进一步用序列凸规划(sequential convex programming, SCP)来求解。仿真结果表明, 通过独立和联合迭代分配功率和子信道, 系统中用户的能量效率相对原有算法得到提升的同时兼顾了用户间的公平性。     

求解半向量双层规划问题的精确罚函数法

研究半向量双层规划问题的求解方法. 利用Benson’s方法及线性规划问题的对偶理论,将半向量双层规划问题转化为一个单层优化问题,同时提出了转化问题的偏静态条件定义. 基于此定义,构造了半向量双层规划的精确罚问题,得到了此类双层规划问题的最优性条件,并给出相应的求解方法. 最后通过一个数值例子表明了求解方法的可行性.