求解一类随机规划的Monte Carlo模拟方法

通过对目标函数和约束函数同时抽样,提出了基于Monte Carlo模拟的遗传算法,通过逐步增加样本容量和遗传进化代数以得到满足精度要求的近似最优解,并且通过统计方法讨论样本容量的迭代终止条件,以减少Monte Carlo随机模拟的盲目性;同时给出了最优解的表达形式以及算法的迭代终止条件;数值实验证明了方法的有效性。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

贪婪随机自适应搜索法在电网规划中的应用

基于贪婪随机自适应搜索法(GRASP)能有效地解决电网规划的组合优化问题,其每一次迭代包含构造和局域搜索两阶段.在构造阶段,以改进线路综合有效性指标为贪婪函数,采用比例法形成限制候选列表,并随机选择元素构成可行方案.根据线路的实际效用比剔除可行方案中的冗余线路,为局域搜索提供一个简练经济的初始网络,并采用1-1交换产生邻居集来拓展搜索空间寻找局优解.所有迭代中的最好方案作为电网规划问题的最优解.对于网络规模增大所引起的“维数灾”,提出5种邻居删减技术来提高算法的解算速度.算例分析证明了该方法的可行性、有效性.     

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.     

遗传算法在船舶配件库存随机规划中的应用

针对水运企业船舶配件的需求特点，建立船舶配件库存随机规划模型，而后用遗传算法求解该模型的优化点，即最低库存量和最佳库存量。通过实例说明遗传算法应用于随机存贮模型的求解是有效和可行的。     

自适应多切割聚合算法在两阶段随机凸规划中的应用

将Svyatoslav Trukhanov,Lewis Ntaimo和 Andrew Schaefer的自适应多切割算法推广到了带补偿的两阶段随机凸规划问题上.算法的实现简单、计算量小,并具备一定的收敛性.     

多目标随机规划在区域水资源优化调度中的应用

以经济效益、环境效益和社会效益为目标,考虑水量需求和供给为随机变量,建立区域水资源优化调度问题的多目标随机规划模型,运用机会约束妥协规划将随机模型转化为确定模型。以东营市水资源优化调度为例进行求解。结果表明,在同样的输入参数下,随机规划模型可以得到更好的综合效益,说明随机模型具有较好的实用性。     

一种基于随机规划的晶圆制造产能规划方法

针对晶圆制造过程中产能与需求的高度不确定性问题,采用基于场景(scenario)的随机规划方法进行设备购置决策.未来不确定的需求采用多个以发生概率相联系的预测场景来模拟,使得到的设备购置决策具有较好的鲁棒性.采用加工作为衡量产能的标准,考虑了优先设备与后备设备的区别,目标是尽量满足各阶段各场景中的需求.结果表明,当未来产品需求在一定范围内变动时,基于随机规划的决策优于基于线性规划的决策.     

股票债券市场中的一个随机规划问题

讨论了股票债券市场中的具有停时的随机规划问题，给出了投资者在股票债券市场中的最优投资消费决策和投资的最优停止时刻（即停时）。     

一种改进Wolef-BFGS-SQP法对随机规划的研究

基于拟蒙特卡洛随机模拟的Wolef—BFGS—SQP法对随机规划的再研究。对于求解LCI函数优化的BFGS—SQP算法,改用Wolef线性搜索原则,同样得到了该算法的全局收敛性,并把它推广到解决随机规划的问题上去。在随机模拟过程的处理上采用拟蒙特卡洛随机模拟技术,鉴于计算量比较大的问题,采用仅多加一个线性约束的信赖域技术计算,即可克服收敛慢等的缺点。     

基于随机规划的现代医院选址方法

针对医院选址问题中就医人数随机性的特点,提出了基于随机规划的现代医院选址方法.考虑医院附近不同人口分布点的每月就医人次数、交通状况、病人对不同级别医院的偏好因素,建立随机整数规划模型,以最小化地区内人口与医疗资源间的权重距离总和为优化目标,并采用蒙特卡罗方法模拟每月就医人次数这一随机参数.实验结果证明,该方法具有良好的收敛性,其选址决策相比于确定性模型选址方法明显优化.     

多目标随机规划的交互遗传算法

利用遗传算法在处理过程中不依赖问题的种类,并具有较强鲁棒性等特点,提出了一种基于交互式的求解多目标随机规划的遗传算法,算法的意思是,结合小生境技巧和构造Pareto选优过滤器的手段,通过与决策者的反复交互对话,最后得到使决策者满意的问题的Pateto有效解集。     

一类随机规划的蒙特卡罗回溯优化求解方法

针对一类随机规划问题构造了基于蒙特卡罗的回溯优化求解法,该方法本质属于一种动态搜索算法,通过迭代求解一系列样本确定性优化问题并经样本容量逐渐增加过程而逼近随机问题的最优解,而迭代终止条件由需求的计算精度确定,并具体给出了近似解的计算方法及迭代终止条件.最后,通过算列验证了该方法的有效性.     

对角补偿矩阵的二阶段问题

本文提出了二阶段随机规划中对角补偿问题的定义并推导了此问题的性质与算法。     

基于割平面的随机规划分解方法

以两阶段随机规划为例,给出了基于割平面的三种分解方法：L型方法、多切割方法和自适应多切割聚合算法。三种方法都是以割平面为基础,将大规模问题分解为一系列小规模问题进行求解,从而降低了求解的规模。通过分析三种方法的优缺点,得到用自适应多切割聚合算法求解大规模问题时在计算时间方面的优越性,并给出了今后研究的方向。     

水电站水库优化调度的随机动态规划方法

以浙江枫树岭水电站为例,较详细完整地介绍了一种由动态规划与马尔可夫随机决策过程理论发展形成的随机动态规划水库优化发电调度的理论和方法,并用此方法建立了枫树岭水电站随机动态规划水库优化调度模型,通过计算,编制了电站的优化发电调度图。     

求总体最优的一个随机方法的构造及其程序设计

最优化问题是实际中应用非常广泛的一类问题,这个问题的解决总可以归结成为求目标函数的最小值。本文提出一个求函数最小值的方法:通过递归样条技巧,在一定范围内光滑连接采样数据来构造一水平集测度函数,测度函数的近似根将逐步逼近所要找的最小值。     

逼近精确罚函数法求解单阶段随机规划

提出了一种求解单阶段随机规划的算法——逼近精确罚函数法.首先,通过离散化随机变量的方法得到逼近原问题的确定非线性规划序列,然后,建立精确罚函数并构造无约束最优化问题.在一定的条件下,证明了确定非线性规划序列与无约束最优化问题的等价性,同时也证明了离散序化的解序列收敛到原规划的解.