约束非线性规划的一种算法及其收敛性

对既含等式又含不等式约束的非线性规划问题,构造出了一种算法,并证明了其全局和局部收敛性。     

关于解非线性规划的一个修正凝聚函数法的注记

对非线性规划提出了一个修正凝聚函数法 ,该法克服了凝聚函数法在收敛性上的缺陷 .     

解非线性规划的一个可微"准"精确罚函数法

将文[1]中" "函数的光滑近似函数应用于求解非线性规划问题,该方法通过解一个可微"准"精确罚函数逐渐去逼近原问题的最优解,并且可以通过参数的选取控制解的误差,给出了几个演示性算例.该算法克服了非线性规划极大熵函数法易溢出的缺陷.     

非线性规划的一个改进型可行方向法

本文对Frank-Wolef方法进行了改进,从而得到了一个新的算法。并且讨论了算法的收敛性及在凸规划情形具有的良好收敛性质。     

非线性规划的凝聚函数法

解非线性规划的凝聚函数法一般是不收敛的，本文在很弱的条件下，研究了此方法的重要性质，并证明了收敛性定理。     

多目标非线性规划的Fuzzy解的研究

本文采用集合观点,讨论将非Fuzzy函数的最优化问题转化为Fuzzy函数的最优优问题的方法;证明了这个Fuzzy函数最优化问题的解存在;解决了将函数论域上的问题转化为自变量论域上的问题来处理,并证明了Fuzzy函数的最优值按所要求的精度收敛于原来函数的最优值。     

求解非线性规划问题的拟合算法

文章讨论非线性规划问题，借助于函数拟舍的思想，建立了问题的一个初始点任意的线性收敛的新算法，在新算法的每次迭代中，下降方向是从函数的拟合中得到，而不是由传统的拟牛顿方程得到，并且在较弱的假设下证明算法是线性收敛的．     

非线性规划问题的一个全局收敛的次可行方向法

本文给出非线性不等式约束最优化问题的一个初始点可行取的算法，利用梯度投影构造搜索方向，并使用符号函数对搜索方向和搜索函数进行有效的控制，使得一旦迭代点进入了可行域，其后的方向将成为可行下降方向，搜索函数将由罚函数变为原问题的目标函数（故称之为次可行方向法）在较为温和的条件下证明了方法的全局收敛性，及罚参数只需进行有限次调整。     

一个求解线性约束的非线性规划的变尺度方向广义投影内点算法

基于内点算法的思想，利用广义投影技术构造了一求解线性约束的非线性规划问题的变尺度方向内点算法，并给出了其收敛性证明。     

一类模糊半定规划问题的解法

由于内点法的发现和半定规划在控制论、组合优化、统计学等方面的重要应用,半定规划近几年来已成为优化中最活跃的领域。然而许多实际问题很难将它们的目标函数和约束函数精确地描述出来,因此有必要将模糊集理论应用到半定规划中来,进而通过求解模糊半定规划使问题得以解决。     

模糊线性回归分析的结构元理论

目前的模糊回归分析方法都是用区间运算表达的,模糊回归系数表示为区间数,模糊值函数表示为区间值函数,这使理论上的分析很繁琐。为此,提出一种简便、实用的模糊回归分析的结构元理论,并提供了数值例子,验证了该方法的实用性和有效性,为工程上的数据分析引入一个全新的模糊回归分析结构元理论。     

模糊线性规划在企业生产管理中的应用研究

在线性规划模型的基础上,探讨了模糊线性规划模型的建立和求解方法,将它作为一种模拟决策方法,应用于企业生产管理决策之中,结论表明,该方法对于解决企业的生产管理和决策问题是非常有帮助的。     

模糊线性规划中模糊目标系数的隶属函数的确定

针对模糊线性规划问题中的模糊目标系数的确定,提出了一种两阶段方法.在第一阶段,利用线性插值技术得到一个粗糙的隶属函数;在第二阶段,利用决策者过去的决策来提高所得隶属函数的精确度.     

模糊数序列的水平收敛与隶属收敛的联系

在不确定型优化、模糊信息处理以及模糊控制等许多实际问题中,通常采用在某些水平上通过水平截集将不确定问题局部清晰化,因而探讨模糊数按照隶属函数收敛与按照水平截集收敛之间的联系具有非常重要的意义。引入了模糊数序列的隶属收敛和水平收敛的概念,讨论了这2种收敛性之间的关系,得到了水平收敛的要求强于隶属收敛,给出了这2种收敛等价的充分必要条件。     

解非凸半定规划的一个Lagrange方法

基于一个求解一般非凸半定规划问题的非线性Lagrange函数,给出了其相关算法,研究了函数的性质,证明了算法的收敛性。在适当的条件下,当罚参数大于某一阈值时,算法产生的序列局部收敛,由此给出了与罚参数相关的解的误差估计。     

一种具有模糊交货期的单机调度问题

研究了一种具有模糊交货期的最小化全部满意度的单机调度问题。机器能力限制要求在任何时间至多加工一个工件,且在工件加工之间无空闲时间。考虑了一种梯形隶属度函数并推广为非线性情形。该问题清晰化后可利用动态规划状态空间松弛来求解。     

带有非线性隶属函数的FLP问题的求解

带有非线性隶属函数(NLMF)的模糊线性规划(FLP)问题。通常是一个非线性规划(NLP)问题。本文利用“较大”、“较小”型隶属函数的特点,把求解原FLP问题最优解的过程化为求解一个参数线性规划(LP)问题及修正参数的交替迭代过程。通过构造不同的参数LP问题及修正参数的方法,得到了求解原问题的“试点法”和“收缩法”,在此基础上,综合得出兼有两法优点的“加速算法”,理论分析及实例都证明这些算法尤其是加速算法在求解带有非线性隶属函数的FLP问题时是有效的.