基于遗传算法的对规避目标搜索模型

分析了在应召条件下对规避目标搜索行动的特点,然后采用遗传算法建立了可用于辅助搜索决策者制定协同搜索方案的模型,为分析应召搜索提供了新的方法,该方法克服了传统的运筹学搜索论在协同行动等复杂条件下寻求最优搜索方案的不足     

“应召”搜索问题的最优搜索路线

解决了确定性二次搜索（即“应召”搜索）问题的最优搜索路线。在搜索时间期望值最小、最远可能航程最短、最长可能时间最短三个准则下分别找出了相应的最优搜索路线,并从理论上严格证明了三者的统一性。这个结论在军事领域具有很重要的应用价值     

基于混合算法的实时订货信息下的车辆调度优化

实时订货信息下的车辆调度是随机性车辆调度中货物需求量、需求点均不确定的情况下的车辆调度.针对该问题,本文构建了配送总成本最小的目标函数,提出了采用混合算法求解的思路.即以局部搜索法求得初始解,采用遗传算法优化初始解,并在送货时间更新后,利用禁忌搜索法求解速度快的特点改进调度方案,得到订货信息不断更新的条件下的车辆调度方案.通过实例分析,本方法既可解决电子商务条件下实时订货的车辆调度问题,也具有求解结果可靠、求解过程快速的特点.     

Goldstein线搜索下Levenberg-Marquardt方法的全局收敛性

给出在Goldstein线搜索条件下求解非线性方程的Levenberg-Marquardt方法, 在较为温和的条件下证明了该方法的全局收敛性, 并且利用该方法对广义互补问题进行了求解分析.     

直升机应召搜潜中一种快速搜索方式研究

本文根据直升机应召搜潜的基本原理,描述了直升机搜潜设备搜索潜艇目标的运动状态,建立了直升机搜潜设备探测装置与潜艇相对运动的搜索模型,给出了直升机最优搜索运动航线,解决了直升机应召搜潜时如何快速搜潜的难题。     

非单调多步曲线搜索方法的收敛性

提出一种求解无约束优化问题的非单调多步曲线搜索方法.此方法具有如下特点:(1)算法在产生下一个迭代点时不仅利用了当前迭代点的信息,而且还可能利用前m个迭代点的信息.这就是多步法;(2)下降方向和步长同时确定,而不是先找到方向,再由线性搜索寻找步长.这就是曲线搜索技术;(3)采用非单调搜索技巧.在较弱的条件下,我们证明了此方法的收敛性.     

船载直升机目标搜索最佳方案决策模型

根据现代搜索理论的发展,对船载直升机在目标搜索中的具体运用进行了研究,建立了船载直升机目标搜索时搜索力的最优配置模型,解决了在已知目标分布的条件下船载直升机搜索中选择初始探测点、确定搜索路径、确定搜索次数以及搜索效率评估等问题．     

一类新的共轭梯度法的全局收敛性

本文提出了一类与HS方法相关的新的共轭梯度法.在强Wolfe线搜索的条件下,该方法能够保证搜索方向的充分下降性,并且在不需要假设目标函数为凸的情况下,证明了该方法的全局收敛性.同时,给出了这类新共轭梯度法的一种特殊形式,通过调整参数ρ,验证了它对给定测试函数的有效性.     

一类基于Wolfe线搜索下的谱共轭梯度法

在已有文献β■的基础上得到了一个新的谱共轭参数,从而构造了一个新的谱共轭梯度法.并且新方法的搜索方向不需要任何线性搜索条件而自动下降.利用标准Wolfe线搜索,在一般假设条件下,验证了该方法是全局收敛的.     

一类非单调修正PRP算法的全局收敛性

本文给出一类非单调线性搜索下的修正PRP算法,该方法保证每次迭代中的搜索方向是充分下降的.在较弱的条件下,我们证明了此类非单调修正PRP算法具有全局收敛性.     

两类变参数梯度法及收敛性

本文在ＬＭＩＮＮ方法的基础上,提出了两类变参数梯度法,然后证明了这两类方法在非精确线性搜索的Ｗｏｌｆｅ条件下是下降算法且具有全局收敛性。     

一种WYL型谱共轭梯度法的全局收敛性

为解决大规模无约束优化问题,该文结合WYL共轭梯度法和谱共轭梯度法,给出了一种WYL型谱共轭梯度法.在不依赖于任何线搜索的条件下,该方法产生的搜索方向均满足充分下降性,且在强Wolfe线搜索下证明了该方法的全局收敛性.与WYL共轭梯度法的收敛性相比,WYL型谱共轭梯度法推广了线搜索中参数σ的取值范围.最后,相应的数值结果表明了该方法是有效的.     

多重因素约束下的网格搜索对策问题研究

首次基于搜索成本及搜索资源等限制因素,构造局中人面向多重约束条件的可行策略集合,建立相应的搜索空间;在给定搜索点权值的基础上,考虑搜索成本与搜索成功概率等因素,构造相应的支付函数,建立多重因素约束下的网格搜索对策模型.为简化模型求解,将对策论问题转化为约束最优化问题,求解约束问题获得最优值,转化为模型的对策值,并给出双方最优混合策略.最后,给出军事想定实例,说明上述模型的实用性及方法的有效性.     

一种新的非单调谱共轭梯度算法

提出了一类新的非单调谱共轭梯度方法.该方法通过引入混合因子,将HS方法和PRP方法结合得到共轭系数的新的选取方式.以此为基础,通过合适地选取谱系数保证了所有搜索方向不依赖于线搜索条件,恒为充分下降方向.其次,该方法还修正了Zhang和Hager提出的非单调线搜索规则,在更弱的假设条件下证明了全局收敛性.数值试验说明了该方法的计算性能优良.     

共轭下降法的全局收敛性

本文提出了一种Armijo型的线搜索，并在这种线搜索下讨论了共轭下降法的全局收敛性，且可得方法在每次迭代均产生一个下降搜索方向．     

共轭下降法的全局收敛性

共轭下降法最早由Ｆｌｅｔｃｈｅｒ提出，本文证明了一类非精确线搜索条件能保证共轭下的降法的收敛性，并且构造了反例表明，如果线搜索条件放松，则共轭下降法可能不收敛，此外，我们还得到了与Ｆｌｅｃｈｅｒ－Ｒｅｅｖｅｓ方法有关的一类方法的结论。     

一类非单调曲线搜索方法及其收敛性

本文提出一类求解无约束优化问题的非单调曲线搜索方法, 在较弱条件下证明了其收敛性.该算法有如下特点:(1)采用曲线搜索方法, 在每步迭代时同时确定下降方向和步长;(2)采用非单调搜索技巧, 产生较大的迭代步长, 降低了算法的计算量;(3)利用当前和前面迭代点的信息产生下降方向, 无需计算和存储矩阵, 适于求解大型优化问题.     

无记忆拟牛顿方法的收敛性

本讨论了无约束最优化问题的无记忆拟牛顿方法的收敛性,给出了对于非凸目标函数,在非精确线搜索条件下,无记忆拟牛顿方法收敛性的几个充分性条件。     

一个线性约束优化问题的广义梯度投影法

本文对线性约束优化问题提出了一个新的广义梯度投影法，该算法采用了非精确线性搜索，并在每次迭代运算中结合了广义投影矩阵和变尺度方法的思想确定其搜索方向．在通常的假设条件下，证明了该算法的整体收敛性和超线性收敛速度．     

一类新的非单调记忆梯度法及其全局收敛性

在非单调Armijo线搜索的基础上提出一种新的非单调线搜索,研究了一类在该线搜索下的记忆梯度法,在较弱条件下证明了其全局收敛性。与非单调Armijo线搜索相比,新的非单调线搜索在每次迭代时可以产生更大的步长,从而使目标函数值充分下降,降低算法的计算量。