一类分散多目标决策问题的模型及交互式决策方法

本文建立了一类适用范围更广泛的分散多目标决策问题的模型，基于该多目标问题的非劣解与加权增广切比雪夫范数优化问题的解之间的关系，提出了一种求解它的交互式决策方法，了求解加权增广切比雪夫范数优化问题的随机全局优化方法，示例的仿真结果表明该决策方法是实用有效的。     

多种资源受限多项目排序问题的两层决策方法

分析了多种资源受限多项目排序问题的性质和特点 ,提出用两层决策方法建立这类问题的数学模型 .将基于直接搜索法的随机全局优化方法用于求解该问题的全局最优解 ,给出了具体的算法步骤 .计算示例表明 ,本文建立的模型和给出的算法能有效地求解多种资源受限多项目排序问题.     

凸优化方法及其在排队系统中的应用研究

理论上可以证明严格凸优化问题有惟一的全局最优解；应用中有快速的多项式时间算法求解这一全局最优解。因此对难于解决的排队系统性能指标优化问题，如负荷配置问题．可以利用排队系统的凸性应用凸优化方法求解。本文基于排队理论建立排队系统负荷配置的非线性优化模型，设计一种优化变量转换方法并经适当的约束务件合并将该模型转换为凸优化模型．并引入凸优化内点法作为负荷配置的有效计算工具。实例计算结果表明．基于排队理论的非线性凸优化模型．其优化结果能保证充分利用设备的生产能力及最低的在制品库存；同时凸优化内点算法具有迭代次数少、收敛速度快的优点；涉及排队系统中其他性能指标的优化问题，也可以采用类似的方法求其最优解。     

多机协同电子战规划压制干扰布阵研究

针对电子战任务规划中的多机协同压制敌防空雷达网的干扰布阵问题,提出了航线规划安全区概念,基于数学形态学方法对安全区最小宽度进行求解,以安全区最小宽度和各部干扰机距敌方雷达网中心距离之和作为目标函数,构建了干扰布阵的多目标优化模型,采用多目标粒子群优化算法对模型进行求解,通过仿真实验对求解出的Pareto最优解集进行分析,得出了各部干扰机压制敌雷达网的最优干扰布阵方式,验证了所建多目标优化模型的正确性,同时也表明多目标粒子群优化算法在求解多机协同电子战干扰布阵问题是可行的、有效的     

近空间多武器平台对地攻击多阶段模型及算法

针对近空间多武器平台对地攻击问题,综合考虑了作战资源、目标毁伤、己方损耗、飞行最短路径等四项关键战技指标,建立了多阶段优化控制模型,给出了相关的推理过程。为避免动态规划及序列规划的计算复杂性,通过设计合适的表达方法,使粒子与可行解对应,给出了改进的粒子群优化算法及算法详细步骤,并分析了改进的粒子群算法快速全局优化的特点,说明该算法能找到优化问题的全局最优解。最后对多阶段优化问题分别用改进的粒子群算法进行求解,仿真结果验证了模型的合理性和算法的有效性。     

多仓库多分销点的二级分销网络的优化

以一个多仓库、多分销点的供应链二级分销网络为研究对象,分别从供应链上、下游企业的角度出发,以各自的物流成本最小化为目标,建立了描述该分销网络优化问题的双层规划模型,讨论了模型的求解并提出了一种基于粒子群优化算法及分层迭代思想的求解算法,最后借助计算机技术实现了对模型的仿真计算。提出的算法不仅能有效求解双层规划问题,可以获得高质量的全局最优解,而且该算法本身具有通用性,其算法流程与具体的双层规划模型无关,可以求解一般的双层规划问题。     

基于粒子群优化与高斯过程的协同优化算法

对于适应度函数计算耗时较大的工程优化问题,采用仿生智能优化算法求解时常遇到由于适应度函数评价次数过大而导致计算量过高的瓶颈问题。针对上述问题,提出一种基于粒子群优化（particle swarm optimization, PSO）算法与高斯过程（Gaussian process, GP）机器学习方法的协同优化算法（PSO-GP）。该算法在寻优过程中采用GP近似模型来构建决策变量与适应度函数值之间的映射关系,在PSO全局寻优过程中不断地总结寻优历史经验的基础上,预测可能包含全局最优解的搜索区域,以优化粒子群飞行的方向。多个测试函数的优化结果表明,该算法是可行的,与基本PSO算法相比,在获得全局最优解的前提下,可显著减小寻优过程中的适应度函数评价次数,寻优效率较高,在高计算代价复杂工程优化问题的求解上具有良好的应用前景。     

求解整数规划的一种仿生类全局优化算法——模拟植物生长算法

针对整数规划全局优化问题所首次提出的模拟植物生长算法,是一种源于大自然的仿生类随机算法.该算法从植物的向光性特点出发,将整数规划的可行域作为植物的生长环境,根据各可行解目标函数的变化情况确定植物的生长信息(形态素浓度),进而模拟出向光源(全局最优解)迅速生长的植物生长动力学模型.经过对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问题的具体求解,取得了满意的效果.     

航班离场排序问题的遗传算法设计

针对航班的离场排序问题,给出了问题的具体描述,建立了相应的离场排序优化模型,在此基础上设计了求解模型的双码自适应遗传算法,给出了相应的实现技术描述和具体的算法步骤,最后对算法进行了仿真验证.结果表明,算法设计合理,可有效缩减总的离场耗时,能得到调度问题的解,并可保证解的全局最优性.     

基于网格划分的混合优化算法

提出了用于求解大规模优化模型的基于网格划分的混合算法。该算法引入了空间划分和收缩的思想,在求解过程中首先应用全局优化算法确定优解信息,其次使用网格划分和合并将解空间快速划分和收缩为多个子空间,然后用局部优化算法在模型的极值点附近搜索,可以很快地收敛到极值点。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都体现了良好的性能。