模糊线性规划问题的一种新的单纯形算法

提出求解模糊线性规划问题的一种新的思路 ,就是应用单纯形法先求解与 (FLP)相应的普通线性规划问题 ,通过模糊约束集与模糊目标集的隶属度的比较 ,获得两个集合交集的最优隶属度 ,将此最优隶属度代入最优单纯形表中 ,即可求得 (FLP)的解。本算法只需在一张适当的迭代表台上执行单纯形迭代过程 ,简捷方便适用     

含弹性约束的多目标模糊线性规划求解

本文讨论了一类含弹性约束的多目标模糊线性规划问题.利用模糊结构元方法引入模糊数的加权特征数概念和序关系,应用Verdegay的模糊线性规划方法及模糊数的加权特征数将此类多目标模糊线性规划问题转化成一类含参数约束条件的清晰多目标线性规划模型,并应用一种基于线性加权函数的规划算法求其α-拟最优可行解.最后,给出了一个数值实例来说明如何求解此类多目标模糊线性规划问题.     

一类系数为梯形模糊数的两层多随从线性规划模型

针对一类系数为梯形模糊数的两层多随从线性规划问题,利用模糊结构元理论定义了模糊结构元加权序,证明了一类系数为梯形模糊数的两层多随从线性规划问题的最优解等价于两层多随从线性规划问题的最优解.根据线性规划的对偶定理和互补松弛性质,得到了两层多随从线性规划模型的最优化条件.最后,利用两层多随从线性规划模型的最优化条件,设计了求解一类系数为梯形模糊数的两层多随从线性规划问题的算法,并通过算例验证了该方法的可行性和合理性.     

基于结构元方法的可能性线性规划

主要目的是利用结构元方法来解决含有模糊系数的线性规划问题,即可能性线性规划问题.首先,简单地介绍了结构元方法及结构元加权序,证明了其模糊优先的合理性,并同原有序关系进行了比较.然后,利用这种序关系,将可能性线性规划问题等价地转化为一个经典的线性规划问题,简化了原问题的求解.最后,借助一个实际例子,进一步表明了该方法的有效性.     

具有模糊系数的模糊线性规划问题

本文考虑具有模糊系数的模糊线性规划问题中各系数的模糊可能性分布，而用指数（或线性）的隶属函数来描述，然后使用模糊数集上的实值函数，使模糊数在模型均值的意义下对应于一个实数，借此，将原问题公式化为一个普通线性规划。     

几何规划问题的一种分枝定界方法

本文通过指数函数变换，把解几何规划GP（Ω）等价地转化为另外一个非线优化问题NLP（－↑Ω），根据问题（－↑Ω）的结构特征，构造它的一个线性规划松驰上确定它的最优值的一个下界，由此给出问题GP（Ω）的一个新的分枝定界算法。最后证明了这个算法是收敛的。     

一类系数为梯形模糊数的两层线性规划

讨论了一类系数为梯形模糊数的两层线性规划问题,首先是利用模糊结构元理论将梯形模糊数去模糊化,将其转化成常规的两层线性问题,并验证其去模糊化后的常规的两层线性规划的最优解与系数为梯形模糊数的两层线性规划问题的最优解一致,并给出具体的算法,数例进行验证.     

目标系数模糊型模糊关系线性规划

提出了目标系数模糊型模糊关系线性规划问题,这是传统模糊关系线性规划的扩展.以三角模糊数为例,基于它的一种排序方法给出了求解该类规划的一个算法.最后,为了说明算法的有效性给出了两个数值例子.     

一种具有非线性约束线性规划全局优化算法

本文提出了一种新的适用于处理非线性约束下线性规划问题的全局优化算法。该算法通过构造子问题来寻找优于当前局部最优解的可行解。该子问题可通过模拟退火算法来解决。通过求解一系列的子问题,当前最优解被不断地更新,最终求得全局最优解。最后,本算法应用于几个典型例题,并与罚函数法相比较,数值结果表明该算法是可行的,有效的。     

一类模糊线性规划模型的模糊最优区间值

讨论一类既有模糊不等式约束又有模糊等式约束的全模糊系数线性规划问题。在给定的模糊隶属度水平下 ,将模型转化为区间数线性规划模型 ,通过确定区间模型的最佳目标函数和最大可行域以及最劣目标函数和最小可行域 ,求出目标函数的模糊最优区间值 ,从而为决策者提供更多的决策信息。最后给出一个数值例子。     

基于模糊收益率的组合投资模型

本文考虑了收益率为模糊数的投资组合选择问题,利用模型约束简化方差约束,建立了投资组合选择的模糊线性规划模型,然后引进模糊期望把模糊线性规划问题化为普通参数线性规划问题,最后给出了一个数值算例.     

含直觉模糊弹性约束的多目标模糊线性规划求解

基于模糊结构元方法构建并讨论了一类含有直觉模糊弹性约束的多目标模糊线性规划问题.通过引入模糊数的加权特征数,定义了一种序关系并拓展了Verdegay的模糊线性规划方法,将上述多目标模糊线性规划问题转化成两个等价含参数约束条件的清晰多目标线性规划模型,并应用一种线性加权函数法给出了此类线性规划模型的对比最优可行解.最后通过一个数值实例来说明此类问题的一般求解方法.     

求解上层含约束条件且具有模糊决策变量二层线性规划的结构元方法

讨论一类含模糊决策变量二层线性规划模型,利用模糊结构元理论,证明该模型最优解等价于二层线性规划模型最优解,并通过极点搜索法得到该模型最优解,最后通过数值算例验证该方法的可行性。     

下层以最优值反应上层的两层线性规则

本文证明了下层以最优值反应上层的两层线性规划可转化为一线性Max-min问题，进而得出其与一双线性规划问题等价。基于此结论可以讨论这种特殊两层问题的几何性质，最优性条件及算法设计。     

基于一维搜索和动态调节的非线性规划PSO算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数法的困难在于参数的选取。本文提出了一种解非线性规划问题的新PSO算法(NSDPSO),该方法融入了一维搜索和动态调节技术,使NSDPSO很好地克服了标准PSO算法在前期收敛较快而在后期易陷入局部最优的缺陷。另外,文中还给出了一种新的适应度函数及选择算子,使算法在选择下一代时保持群体中不可行解的一定比例,这样不但能有效地增加群体的多样性,而且可以避免传统的过度惩罚,使群体向最优解逼近。最后的数据实验表明该算法对非线性规划问题求解是非常有效的。     

求解二层线性规划问题的一种算法

对下层含有约束的二层线性规划问题,提出了求全局最优解的一种算法.首先由该算法求出约束凸集的全部极点,再对极点进行可行性检验,从而得到了二层线性规划问题的全局最优解,最后以实例验证了算法的有效性.     

线性规划的最钝角松弛算法

本文提出一个基于最钝角原理的松弛算法求解线性规划问题。该算法依据最钝角原理略去部分约束得到一个规模较小的子问题,用原始单纯形算法解之;再添加所略去的约束恢复原问题,若此时全部约束条件均满足则已获得一个基本最优解,否则用对偶单纯形算法继续求解。初步的数值试验表明,新算法比传统两阶段单纯形算法快得多。     

求线性规划问题相容方程组非负解的算法

本文提出一个解线性规划问题的新算法.其最优解是通过求一个相容方程组的非负解而得到.这算法的计算量在最坏情况下是O(mnτ),其中τ是相应方程的m×n矩阵非零元素的个数.     

基于可信性理论的生产计划期望值模型

基于可信性理论,提出一类新的模糊生产计划期望值模型.然后,讨论这个模糊生产计划模型的基本性质.最后,利用这个模糊模型的基本性质我们可以把模糊生产计划期望值模型转化为一个线性规划模型并且设计相应的算法求解模糊生产计划问题的一个数值例子.     

指数跟踪问题的广义双线性规划模型

本文对指数跟踪问题建立了一种广义的双线性规划模型,其中考虑了交易费用、持仓限制与重平衡问题.根据该模型的特殊结构,本文给出了近似规划算法,通过逐次逼近的线性规划求解最优指数跟踪问题.