大型稀疏无约束最优化的列分划校正Cholesky因子算法

我们考虑求解无约束优化问题1引言(?)f(x),(1)其中f：D(?)R~n→R为R~n上的二次连续可微函数,且f(x)的二阶Hesse阵H(x)稀疏、正定．为了求解问题(1),我们考虑下列Newton型方法x~(k 1)=x~k-(B~k)~(-1)▽f(x~k),k=0,1,…,(2)其中B~k是和Hesse阵H(x~k)具有相同稀疏性的近似．由于Hesse阵对称,我们假定B~k对称．为了具体说明给定矩阵B的稀疏性,我们使用M来定义指标对(i,j)的集合,其     

大型稀疏无约束优化的分划组修正算法

1 引言我们考虑求解无约束优化问题 (1) 其中f:Rn→R二次连续可微．f(x)的Hesse阵H(x)稀疏．为了求解问题(1),我们考虑下列Newton型方法     

电力零售商引导下智能电网多方利益均衡策略

文提出以电力零售商为主导的智能电网系统运行策略,电力零售商根据发电商供电价和发电量以收益最大化为目标输出用户实时电价。在供能侧对不同类型供电商上网顺序进行优化,考虑风电光伏能源出力不确定的鲁棒性分析,在维持平衡供需的基础上优化供电商利益。在需求侧根据用电规模对用户进行分类,按供电重要性进行二次分类,使用粒子群算法求解用户最优用电量。仿真结果显示电力零售商在电力系统中维护各方利益均衡,对供电商和用户都存在潜在的好处。     

基于多技能多渠道变成本的物流联络中心排班

物流联络中心的人力成本随着坐席拥有的技能、服务渠道的多少以及服务时段的不同而不同,对人员进行合理班次设计以节省人力成本尤为必要。考虑现实联络中心工作时间的连续与中断、技能组和渠道组的匹配等,提出采用分阶段法优化班次。首先给出不考虑时间中断的坐席的排班模型A,求得排班方案;接下来,在此基础上将中断时间约束加入,建立模型B,求得班次覆盖矩阵;最后加入排班调整约束,建立模型C,对多技能组中各渠道组进行调整,给出最符合实际情况的最优排班调整方案。数值实验结合物流企业实例和各方案的比较,验证了模型的有效性。该方法为联络中心排班提供了新思路,对其它服务行业的排班也具有一定的参考价值。