基于动态服务网络的铁路紧急输送计划编制模型和算法

根据特殊条件下铁路输送计划问题的动态性、多目标性、时效性等特点,采用时空网络构建铁路输送计划网络模型.并建立了基于动态路径的铁路输送计划编制数学模型.模型属于大规模的整数规划,以追求时间效益最大化和灾害损失最小化为目标.根据模型的特点,提出了松弛求解算法,借助LINGO求解工具求解松弛模型,通过逐步固定变量为整数值求得最优解.算例研究表明,算法可行有效.     

铁路客运网络列车开行方案优化模型的列生成算法

列车开行方案的设计是铁路旅客运输组织规划中的一个重要环节。本文首先给出了一个综合考虑铁路旅客运输的经济效益和公共服务性的优化模型,以铁路旅客运输的公共效益最大化为目标,对整个铁路客运网络上不同始发-终到和不同停站方式的列车开行方案进行优化。然后提出了一个求解此模型的启发式列生成算法,该算法与标准列生成算法相比,可以减少迭代次数并缩短收敛时间。最后给出一组利用随机生成的网络和需求进行求解的算例,验证本算法可以在较短时间内求解较大规模的铁路网络列车开行方案优化问题,并能有效缩小问题规模。     

求解最大割问题的半定规划松驰的序列线性规划方法

本文基于最大割问题的半定规划松弛,利用矩阵分解的方法给出了与半定规划松弛等价的非线性规划模型,提出一种序列线性规划方法求解该模型.并在适当的条件下,证明了算法的全局收敛性.数值实验表明:序列线性规划方法在时间上要优于半定规划的内点算法.所以序列线性规划方法能更有效地求解大规模的最大割问题的半定规划松弛.     

波形松弛算法及其在计算流体力学中的应用

本文介绍求解线性常系数微分代数方程组的波形松弛算法, 基于Laplace积分变换得到该算法新的收敛理论. 进一步将波形松弛算法应用于求解非定常Stokes方程, 介绍并讨论了连续时间波形松弛算法CABSOR算法和离散时间波形松弛算法DABSOR算法.     

基于松弛策略解半无限规划模型的显式修正算法

讨论了一类线性半无限最优规划模型的求解算法.采用松弛方法解其系列子问题LP(T_k)及DLP(T_k),基于松弛策略和在适当的假设条件下,提出了一个我们称之为显式算法的新型算法.新算法的主要改进之处是算法在每一步迭代计算时,允许丢弃一些不必要的约束.在这种方式下,算法避免了求解系列太大规模的子问题.最后,基于提出的显式修正算法,并与传统割平面方法和已有文献中的松弛修正算法、对同一问题作了初步的数值比较实验.     

(m,n,k)指派问题的最小费用流模型及其算法

构造(m,n,k)指派问题的最小费用流模型,并将基于对偶原理的最小费用流的允许边算法求解该模型,提出求解(m,n,k)指派问题的一种算法.算法直接在其对应的网络中保持互补松弛条件不变,通过调整节点势以扩大允许网络从而寻求增广链并进行流量增广,直至在网络中得到流量为k的最小费用流,此时非O流边对应(m,n,k)指派问题的最优解.给出了(m,n,k)指派问题的最优解及多重最优解的重要性质,数值试验表明算法有效可行.     

一类加速的模系对称超松弛迭代方法定价双资产美式期权

构造和研究了一类加速的模系对称超松弛迭代方法,用来求解由双资产美式期权定价模型离散出来的线性互补问题.理论分析给出该算法的收敛性条件.数值实验表明,该方法对于求解双资产美式期权定价模型是有效的,并且优于经典的模系超松弛迭代方法和模系对称超松弛迭代方法.     

多气源天然气管网运行优化问题的混合整数规划模型及其算法

对于多气源天然气管网运行优化问题,文章首先引入了刻画压缩机开关的0-1整数变量,并对非线性的管道压降方程进行了合理的松弛化处理,建立了更符合实际的非线性混合整数规划模型.其次,基于序列线性化的思想,设计了一种求解该模型的序列混合整数线性化算法.最后,在不同规模的天然气管网系统中进行了多方面的对比实验.实验结果表明,新模型及求解算法能够有效降低成本、减少压缩机能耗,并且所需求解时间大大减少.     

基于邻域信息的社区发现方法

考虑含有节点邻域信息的新模块度函数的社区发现方法和最优分组下标度参数的选择问题,通过谱松弛方法求解模块度函数的最大化问题,最终利用新算法快速求解,并通过真实网络数据验证算法能更好的发现社区.     

钢管的订购和运输解答模型

首先通过最短路算法简化了供需距离网络 ,去掉了铁路、公路等边的性质 ,使供需距离网络简化为一个供需运输价格表 .在此基础上构造了三个模型 :线性费用的网络流模型、改进的线性费用的网络流模型和具有非线性费用的网络流模型 .通过改进传统的最小费用最大流算法 ,解决了本题的非线性费用网络流模型 ,并给出了算法的正确性证明与复杂度分析     

工件优先级图为非连接图且含环的单机总加权拖期调度问题

为满足实际生产环境对工件加工顺序和工件到达时间的要求,提出了具有新特征的单机总加权拖期调度问题,其特点体现在:工件有动态到达时间,且由工件优先级关系构成的优先级图为非连接图且存在环的情况,对该问题建立数学规划模型,在扩展Tang和Xuan等的基础上,提出了结合双向动态规划的拉格朗日松弛算法求解该问题。在该算法的设计中,提出双向动态规划算法求解拉格朗日松弛问题,使得它可处理优先级图中一个工件可能有多个紧前或紧后工件的情况,采用次梯度算法更新拉格朗日乘子,基于拉格朗日松弛问题的解设计启发式算法构造可行解。实验测试结果显示,所设计的拉格朗日松弛算法能够在较短的运行时间内得到令人满意的近优解,为更复杂的调度问题的求解提供了思路。     

带平衡约束的离散网络平衡设计问题的遗传算法

本文研究了带平衡约束的离散网络设计问题及其求解算法.模型中上层是一个离散网络设计的数学规划模型,采用遗传算法来求解.下层是采用变分不等式描述的用户平衡配流问题,利用对角化方法直接求解.通过实例对算法进行验证,结果表明该算法是有效的.     

生产计划中阶梯型价格原料最优配置

按照规模经济效应,商品价格会随着订购量的增大而减小(即打折).根据生产实际,本文提出了商品的阶梯型价格,建立了最优生产计划模型.该计划模型有选择性地生产能够获最大利润的产品,并且可以对生产所需的原料进行最优配置;基于最优化理论与方法,给出了求解所建模型的有效算法,通过实例验证了算法的可行性和有效性.     

图的最大二等分问题的低秩可行方向算法

基于图的最大二等分问题的半定规划松弛模型,利用矩阵的低秩分解技巧,给出了该问题的半定规划松弛的一种低秩可行方向算法.在一定的条件下,证明了算法的收敛性.结合0.699随机扰动方法得到原问题的近似最优解.数值实验表明该方法能有效地求解图的最大二等分问题.     

基于粒子群算法的大型网络计划资源优化

现有求解网络计划资源优化的方法中,解析法不能解决大型复杂网络优化问题,启发式方法过多依赖具体问题、求解效率低,遗传算法生成新一代优化解种群依据的三个算子的实现参数选择,大部分依靠经验并严重影响解的品质,粒子群算法存在大型网络计划资源优化计算量过大和缺少大型网络计划资源优化算例问题.借助设计网络计划时间参数的计算机算法、建立评价函数、设计进化方程等基础工作,选择与工作开始时间相关的变量作为粒子空间位置,用蒙特卡洛方法和限制条件优化初始粒子群,设置可行解范围,用二维动态数组解决大型网络计划资源优化运行image超限问题,通过粒子群算法进化,寻求大型网络计划资源优化解,算例表明基于粒子群算法的大型网络计划资源优化效果明显,粒子群算法参数分析表明:粒子群算法的参数会影响网络计划资源优化结果,而且初始粒子群限制条件和优化目标设置的影响程度较大.     

具有多级选择的离散网络平衡设计模型与算法

本文提出了一种新的离散网络平衡设计二层规划模型,模型同时考虑了新增路段及已有路段的扩容,而且允许不同等级的扩容选择.模型求解中,上层采用粒子群算法,而下层则采用本文作者提出的仿射尺度内点算法.数值计算结果显示,本文构建的算法能够快速有效地求解这类新的网络平衡设计二层规划模型.     

基于粒子群算法的大型网络计划费用优化

大型网络计划费用优化对科学有效地进行工程项目进度管理具有重要意义,但大型网络计划费用优化随工作个数增加而约束方程和计算量骤增,成为数学和计算机科学领域至今未解决的难题.借助建立评价函数、设计进化方程、设计网络计划时间参数的计算机算法等基础工作,选择工作持续时间作为粒子空间坐标并设置可行解范围,用蒙特卡洛方法和限制条件优化初始粒子群,用二维动态数组解决大型网络计划粒子群算法优化运行image超限问题,成功求解有61个工作的大型网络计划费用优化算例.因此,经过特定设计的粒子群算法是微机和有限的计算时间条件下求解大型网络计划费用优化问题的一个有效方法.     

基于自适应性的三维数字岩心构建方法

根据天然岩心压汞实验数据得到的孔隙大小分布规律,引入形状因子、配位数、孔喉比等微观参数,利用孔隙中轴线原则和岩心自适应性原则进行三维数字岩心构建,采用恒速驱替算法,运用超松弛迭代求解压力算法,计算了三维数字岩心的渗透率值.结果表明:模型计算出的岩心渗透率值与物理模拟实验渗透率值有较好的吻合,所构建三维数字岩心可以用于水驱聚驱模拟计算.     

求解无容量设施选址问题的拉格朗日蝙蝠算法

无容量设施选址问题(Uncapacitated Facility Location Problem,UFLP)是一类经典的组合优化问题,被证明是一种NP-hard问题,易于描述却难于求解.首先根据UFLP的数学模型及其具体特征,重新设计了蝙蝠算法的操作算子,给出了求解UFLP的蝙蝠算法.其次构建出三种可行化方法,并将其与求解UFLP的蝙蝠算法和拉格朗日松弛算法相结合,设计了求解该问题的拉格朗日蝙蝠算法.最后通过仿真实例和与其他算法进行比较的方式,验证了该混合算法用来求解UFLP的可行性,是解决离散型问题的一种有效方式.     

多约束非线性整数规划的一种改进的算法

多约束非线性整数规划是一类非常重要的问题,非线性背包问题是它的一类特殊而重要的问题.定义在有限整数集上极大化一个可分离非线性函数的多约束最优化问题.这类问题常常用于资源分配、工业生产及计算机网络的最优化模型中,运用一种新的割平面法来求解对偶问题以得到上界,不仅减少了对偶间隙,而且保证了算法的收敛性.利用区域割丢掉某些整数箱子,并把剩下的区域划分为一些整数箱子的并集,以便使拉格朗日松弛问题能有效求解,且使算法在有限步内收敛到最优解.算法把改进的割平面法用于求解对偶问题并与区域分割有效结合解决了多约束非线性背包问题的求解.数值结果表明了改进的割平面方法对对偶搜索更加有效.