求线性比试和问题的确定性全局优化算法

为求线性比试和问题的全局最优解,本文给出了一个分支定界算法.通过一个等价问题和一个新的线性化松弛技巧,初始的非凸规划问题归结为一系列线性规划问题的求解.借助于这一系列线性规划问题的解,算法可收敛于初始非凸规划问题的最优解.算法的计算量主要是一些线性规划问题的求解.数值算例表明算法是切实可行的.     

求线性多乘积规划问题的分支定界算法（英文）

为求解线性多乘积规划问题(LMP),本文提出一个新的全局优化算法.首先,利用二阶导数信息,给出了一个新的线性化松弛方法.其次,为了改进算法的收敛速度,提出一个区域删除技巧.最后,为求解LMP,设计了一个分支定界算法.理论上证明了算法的收敛性.数值实验结果显示本文方法是有效可行的.     

求线性比式和问题全局解的一个新方法

针对一般线性比式和问题的求解,给出一个新的分支定界算法.首先利用等价转换技巧和一个新的线性化技巧,建立等价问题的松弛线性化问题,将原始的非凸规划问题归结为一系列线性规划问题的求解;然后借助于这一系列松弛线性化问题的解确定出原问题的最优解.算法的收敛性理论上得以证明,数值算例表明算法是可行的.     

一类多乘积规划的加速算法

针对一类多乘积规划问题(MP),给出一个加速算法.首先导出一个与(MP)等价的逆凸问题(RCP),然后构造问题(RCP)的线性松弛化问题.算法的主要特点是提出了两个加速技巧,这些技巧可以用于改善算法的收敛速度.数值算例表明算法是可行的.     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

求广义线性比试和问题全局解的新方法

为确定广义线性比式和规划问题(GFP)的全局最优解,提出一个新的分支定界方法.在算法中,分支过程采用单纯形对分规则,且界的估计通过一些线性规划问题的求解完成.给出算法的收敛性证明.数值试验结果显示算法是有效可行的.     

求解全局优化问题的改进蝙蝠算法[英文]

蝙蝠算法(BA)是一类基于试探技巧的群智能优化算法,该算法已被广泛用于诸多领域问题的求解.本文提出一个改进的蝙蝠算法NIBA.在算法中,为了加强蝙蝠算法的局部和全局搜索能力,提出了三个改进策略.首先,为了改进蝙蝠的局部搜索能力,在当前最优解处给出了一个新的搜索方程.其次,为了改进算法的全局搜索能力,平衡算法的开发能力和探索能力,算法吸收并改进了和声搜索机制.最后,为了进一步提高NIBA算法的搜索能力,在当前最优解处,算法采用了混沌搜索机制.为了验证算法的性能,针对18个标准测试函数进行了数值实验.与其它算法的比较结果显示,NIBA算法具有更好的稳定性,且效率更高.     

求极小极大分式规划问题的一个新的分支定界算法（英文）

本文研究在工程、管理等领域应用广泛的极小极大线性分式规划问题(MLFP).为求解MLFP问题,提出一个新的分支定界算法.在算法中,首先给出一个新的线性松弛化技巧;然后,构造了一个新的分支定界算法.算法的收敛性得以证明.数值实验结果表明了算法的可行性与有效性.     

广义 $d$-$\rho$-$(\eta,\theta)$-type I 一致凸非可微多目标规划

In this puper, on the basis of notions of d-p-（η, θ）-invex function, type I function and univex function, we present new classes of generalized d-p-（η, θ）-type I univex functions. By using these new concepts, we obtain several sufficient optimality conditions for a feasible solution to be an efficient solution, and derive some Mond-Weir type duality results.