线性比式和分式规划问题的分支定界算法

针对线性比式和问题(P)提出一种新的分支定界算法,并进行数值验证.该算法把问题转换成等价问题,并利用线性松弛技术建立问题的松弛线性规划,从而将原始的非凸规划问题归结为一系列线性规划问题,通过可行域的连续细分以及求解一系列线性松弛规划,得出的算法收敛到问题(P)的全局最优解.数值算例结果表明算法是可行有效的.     

一类非线性比式和问题的分支定界算法

针对一类带有常系数的非线性比式和全局优化问题(P),给出求解该问题的分支定界算法.首先,将问题(P)转化为问题(Q),两者的变量个数和约束条件的个数相同.然后,利用不等式放缩的方法,建立问题(Q)的松弛线性规划,并结合分支定界算法求解.最后,在此基础上提出区域删减策略,并进行数值实验.结果表明:本算法和删减策略均是有效的.     

全局求解符号线性比式和问题

对符号线性比式和问题(P1)提出了一种分枝定界全局优化算法,这种方法能求得原问题的非孤立最优解,从理论上证明了该算法的有限收敛性.最后数值实验表明了提出方法的可行性.     

一类非凸规划的分支定界算法

针对一类非凸规划问题(NP)提出有效的分支定界算法.首先,利用目标函数的特性将其转化为等价的极小化问题(P),通过对其可行域的细分和求解一系列凸规划问题,不断更新(NP)全局最优值的上下界.为提高计算效率,一个问题的最优解作为下一个问题的初始解,并提出了新的删除技术.理论上证明该算法是收敛的,数值试验结果表明算法是有效可行的.     

一类非线性比式和问题的对偶界方法

针对一类非线性比式和问题首次提出一种求其全局最优解的单纯形分枝定界算法.该算法利用La-grange对偶理论将原来的非线性非凸优化问题转化为一系列易于求解的线性规划.理论分析和数值算例均表明提出的算法是可行的.     

非凸二次规划的分支定界方法

通过构造二次函数的线性下界函数给出非凸二次约束二次规划问题(QP)的松弛线性规划,提出分支定界算法,数值计算表明算法是有效可行的.     

一种线性比式和问题的对偶界方法

对一般线性比式和问题（P）提出了一种全局优化算法,此方法利用拉格朗日对偶中的弱对偶定理建立原问题（P）的线性松弛规划,运用分枝定界方法只需解一系列线性问题。从理论上证明了算法能收敛到线性比式和问题的全局最优解。数值计算结果表明提出的方法是可行的。     

线性比式和问题的全局优化算法

为求解线性分式规划问题(P),提出一个分枝定界算法.首先通过转化技巧,导出问题(P)的等价问题(Q),然后利用线性化方法,得到(Q)的线性松弛规划问题(RLP).从而,初始非凸规划问题归结为一系列线性规划问题的求解.数值试验表明算法是可行的.     

带系数线性比式和问题的全局优化方法(英文)

对带系数的线性比式和问题(P)提出一确定性全局优化算法.利用等价问题和线性化技术给出了问题(P)的松弛线性规划(RLP),通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,提出的分枝定界算法收敛问题(P)全局最优解.最终数值实验表明了提出方法的可行性.     

一类线性比式和问题的全局优化算法

对应用于工程设计和非线性稳定性分析中的一类线性比式和问题(P1)给出了一全局优化算法.通过利用对数的性质和线性化技术,建立了问题(P1)的松弛线性规划(LRP).通过对可行域线性松弛的逐次细分以及求解一系列的线性规划(LRP)的过程,提出的算法收敛到问题(P1)的全局最优解.最终数值实验结果表明了提出方法的可行性.     

一类线性比式和问题的鲁棒算法

对广泛应用于工程设计、非线性系统稳定性分析等实际问题中的一类线性比式和问题(P1)提出了一种鲁棒全局优化算法,这种方法求得的最优解具有稳定性好,可行等特点.从理论上证明了该算法的收敛性,最终数值实验表明了提出方法的可行性.     

一类多乘积规划问题的对偶界方法

针对一类目标函数和约束函数都是多乘积的规划问题给出一种求其全局最优解的分支定界算法.该算法利用Lagrange对偶理论将其中关键的定界问题转化为一系列易于求解的线性规划,并且这些线性规划的规模固定不变,从而更容易应用到实际问题中.理论分析和数值算例表明提出的算法可行有效.     

二次比式和问题的全局优化方法

利用分枝定界算法,首先将问题(P1)转化为其等价问题(P2),然后利用线性化技术,建立了(P2)松弛线性规划问题(RLP),通过对(RLP)可行域的细分及求解一系列线性规划问题,不断更新(P2)的上下界,从理论上证明了算法的收敛性,数值实验表明了算法的可行性和有效性.     

线性分式和规划问题的分母输出空间分支定界算法

提出了一种新的线性分式和规划问题的分母输出空间分支定界算法,并证明了算法的收敛性.在这个算法中,以目标函数中每个分式的分母作为变量构成输出空间,对这些变量的取值范围笛卡尔乘积构成的超矩形进行剖分,在决策变量远远大于分式的个数时可以大大地降低计算量,同时用线性规划松弛技术确定下界.数值实验表明所提出的算法可行有效.