椭圆PDE-约束优化问题的一个预条件子

针对由Galerkin有限元离散椭圆PDE-约束优化问题产生的具有特殊结构的3×3块线性鞍点系统,提出了一个预条件子并给出了预处理矩阵特征值及特征向量的具体表达形式.数值结果表明了该预条件子能够有效地加速Krylov子空间方法的收敛速率,同时也验证了理论结果.     

广义线性多乘积问题的完全多项式时间近似算法

本文针对广义线性多乘积极小化问题,通过一系列的线性规划问题的解提出一种求其全局最优解的完全多项式时间近似算法,并给出该算法的计算复杂性,且数值算例验证该算法是可行的.     

一类弱奇性Volterra积分微分方程的级数展开数值解法

本文考察了一类弱奇性积分微分方程的级数展开数值解法,并给出了相应的收敛性分析.理论分析结果表明,若用已知函数的谱配置多项式逼近已知函数,那么方程的数值解以谱精度逼近方程的真解.数值实验数据也验证了这一理论分析结果.     

自适应多种群回溯群居蜘蛛算法求解TSP问题

在群居蜘蛛优化算法中引入自适应决策半径,将蜘蛛种群动态地分成多个种群,种群内适应度不同的个体采取不同的更新方式.在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,提出一种自适应多种群回溯群居蜘蛛优化算法,旨在提高种群样本多样性和算法全局寻优能力.函数寻优结果表明改进算法具有较快的收敛速度和较高的收敛精度.最后将其应用于TSP问题的求解.     

非光滑半无限多目标优化问题的对偶性北大核心CSCD

研究了一个非光滑半无限多目标优化问题(简记为SIMOP)并讨论它的对偶性.本文重点考虑此SIMOP的Mond-Weir型半无限多目标对偶问题,通过对目标函数和约束函数的某种组合赋予Clarke-凸性假设,获得了弱/强/逆对偶结论.文章的一些结论是比较新的,并推广了已有文献的一些结果.     

基于改进的PSO-SVM的音频信号特征识别和分类

针对音频信号准确性分类的问题,提出一种基于改进的的粒子群优化算法(PSO)的支持向量机(SVM)音频信号分类的方法,简称IPSO-SVM.首先用Mel倒谱系数法对4种音频信号进行特征提取.其次在PSO中引入自适应变异因子,能够成功地跳出局部极小值点;然后对PSO中的惯性权重进行了改进,将惯性权重由常数变为指数型递减函数.随着迭代的进行,使权重逐渐减小,这样做有利于粒子进行局部寻优.最后用改进的PSO不断优化SVM中的惩罚因子c和核函数参数g来提高预测精度.实验结果表明,与传统的SVM、PSO-SVM、GA-SVM相比,我们提出的IPSO-SVM算法分类结果更精确.     

冷链低碳物流配送路径优化的细菌觅食—蚁群算法研究

冷链物流的绿色发展已成为国家十三五发展的热点,在分析冷链物流配送环节各种成本基础上,以车载容量和时间窗为约束,构建综合总成本最小化的冷链低碳物流配送路径优化模型.将细菌觅食算法中的复制操作和趋向操作引入基本蚁群算法中,改善了算法的收敛效率和全局搜索能力,提出了细菌觅食一蚁群算法用于求解冷链低碳物流配送路径优化模型.通过实例仿真表明,在求解冷链低碳物流配送路径优化模型方面,细菌觅食—蚁群算法能够以更高的效率寻找到更低的综合总成本,验证了改进算法的合理性和有效性.     

基于工时优化的柔性生产人员配置模型及算法

为满足企业工时优化和提高运营效益的内在需求,针对柔性生产,以合理人工配置和最佳作业排序为目标建立了数学模型,并设计了递阶启发式搜索算法.根据组合并联作业结构特性,采用遗传算法优化子层作业的人工配置和作业工时,并将子层作业视为父层作业的相似阶段采用动态规划法决策父层的最优工时.在上述优化工作的基础上再利用改进蚁群算法,将其等效为具有m台处理机、目标函数为最优工时的流水车间作业排序问题,利用优先调度算法确定能见度因子并通过仿真和灵敏度分析优化了算法参数,最终生成最优作业排序计划.对实例问题的求解证明了研究模型和算法的有效性和鲁棒性.     

机场航站楼安检通道数量配置优化方法研究

科学配置机场航站楼的安检通道数量,是提高安检服务效率、保障民航运输安全的重要手段.通过对机场航站楼的安检排队系统进行特征分析,利用排队理论建立两种安检排队模型.调研国内典型机场的实际运行数据,计算安检排队模型的主要运行指标,分析各指标的变化规律,并针对两种排队模型的运行效率进行对比.结果表明,排队系统的平均排队长和旅客平均等待时间均呈周期性变化,安检通道最少配置数量随着旅客到达率的增加而增加,单队多服务台系统在理论上比单队单服务台系统的运行效率更高.研究成果为优化机场航站楼安检通道数量配置、提高安检运行效率提供理论依据与决策支持.     

灰色GM(1,1)模型研究综述

GM(1,1)是灰色预测理论的核心模型和基础模型.从累加生成方法、初值优化、背景值优化、参数估计方法、模型性质和模型拓展的视角,梳理了GM(1,1)模型的研究进展.明确了有待进一步研究的问题,对GM(1,1)模型的未来研究方向提出了建议.