混合约束不可微非线性规划的L_1－精确罚函数法

在［１］中，我们提出了只含不等式约束的不可微非线性规划问题的Ｌ１精确罚函数法，给出了收敛性分析。本文提出解既含不等式约束又含等式约束的不可微规划问题的Ｌ１－精确罚函数算法，在目标函数上约束函数为半光滑的条件下给出了收敛性结果．     

一类不可微非线性规划的罚函数法

本文对于一类不可微非线性规划问题提出了一种新的罚函数算法,并建立了收敛定理。     

多目标非线性规划的对偶理论

<正> §1前言在单目标数学规划的对偶理论中,我们知道,两个规划问题称为是对偶的,如果它们满足:(1)其中一个是最小问题,另一个是最大问题;(2)如果其中一个规划问题存在最优解,那么另一个规划问题也存在最优解,而且两个规划问题的最优值相等;(3)如果两个规划问题同时存在可行解,     

一类广义不变凸函数与广义Kuhn-Tucker条件

利用Ben—Tal广义代数运算定义了（h，φ）-η不变凸函数、类型Ⅰ（h，φ）-η不变凸函数和广义Kuhn—Tucker条件。当目标函数和约束函数均为（h，φ）-可微时，构造了一个线性规划问题，利用非对称对偶的性质得到了（h，φ）-η不变凸规划的（h，φ）-η不变凸函数和广义Kuhn—Tucker条件之间的关系。     

不可微B—凸多目标规划

本文利用Ｂｅｃｔｏｒ等人引进的Ｂ－凸函数，在Ｃｌａｒｋｅ广义梯度意义下，针对Ｌｉｐｓｈｉｔｚ函数类，讨论了不可微Ｂ－凸多目标规划的非控解的充分条件及必要条件，而且给出了相应的对偶问题及对偶定理。     

不可微伪凸函数的最优性条件

拟凸性和伪凸性是数学规划中的两个非常重要的概念。在数理经济和最优化理论中都有广泛的应用.六十年代初期,O.L.Mangasariam首次提出了伪凸的概念,他在Frechet可做的前提下定义了伪凸函数(以下简称为M—伪凸),并解决了这类函数的优化问题,然而,实际问题中偶到的函数往往是不可微的,这就要求人们对不可微规划进行研究。近二十年来,众多的作者从不同的角度对这一问题进行了深入地探讨,给出了各种形式的不可做伪凸函数(见[2—6]),其中以W.E.Diewert的伪凸性定义条件最弱、内涵最广。他用古典的Dim导数代替通常的方向导数或Clarke方向导数,定义了不可微伪凸(简称为D—伪凸)函数,获得了这类函数一些较好的最优性条件。     

基于遗传算法的静态环境全局路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题.作者提出了基于遗传算法的静态环境下机器人全局路径规划方法.该方法首先提出机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,然后将需规划的路径的二维编码简化成一维编码,并把免碰撞要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真表明,提出的全局路径规划方法是正确和有效的.     

拟凸函数下次微分的性质及计算

函数拟凸性是分析众多经济和管理问题的有效工具。下次微分可用于刻画拟凸函数的解集特征,并用于设计非线性规划的求解算法。本文首先阐述了下次微分的定义及其相关性质,如可加性、连续性等。然后,将求解可微凸函数极值的最速下降法进行拓展,定义了可下降方向和最速可下降方向     

带运输工具的网络流问题

考虑一个带运输工具的网络流问题。即由一个或者多个供应点向多个需求点通过桌种运输工具（比如货车、轮船等）供应货物的问题,目的是尽可能地降低供应成本．通过一个混和整数规划模型来描述这个问题．并利用拉格朗日松弛结合网络单纯形法得到原问题的一个下界．利用该下界结合试探法得到原问题的可行解．     

工序问题的动态规划算法

提出了一个求解工序问题的动态规划算法,该算法排序含n个工件集合的期望时间为O(n)。     

电容层析成像

介绍了作者在电容ＣＴ重建算法、测量装置方面所进行的工作，并较为详细地介绍一种基于网络理论的新算法，这种算法是将介质分布映射为一个电容网络，网络中的电容值直接与介质分布有关。为了解决从测量电极所测得的电容计算网络内部电容这一逆问题，分析和利用了附加的网络结构约束。将测量过程等效为相应的四端网络，利用迭代方法进行求解，得到了较好的实验结果。     

解“时间表问题”的启发式算法

给出一种并行无回溯的解“时间表问题”的启发式算法,它能在O(nlogn)时间内找到一种满足给定的约束条件的可行时间表,如果这种时间表确实存在的话。     

保形迭代函数的构造方法研究

针对保形迭代函数的构造方法并不完整、不能快速地进行迭代运算的问题,本文给出了构造保形迭代函数的两个方法,一种是在已有方法基础上给出了快速迭代的算法;一种是构造特殊结构的保形函数.分析了他们的迭代效率并证明了复杂度是多项式时间的.     

一种求解不等式约束下函数优化问题的新算法

提出了一种求解不等式约束下的函数优化问题的新算法． 算法设计思想来源于演化计算的群体搜索技术,但又不同于现存的任何一种演化算法． 对一些典型的约束优化问题测试结果表明：新算法结构的简单性,搜索的高效性,收敛的全局性,应用的广泛性,算法的鲁棒性及结果的精确性,都优于现存的演化算法．     

基于实数编码遗传算法的多层神经网络BP算法

提出用实数编码的遗传算法来优化多层神经网络的权值，并且将遗传算法与ＢＰ算法结合，能有效地避免ＢＰ算法陷入局部极小和遗传算法过早收敛，实验结果令人满意．     

求解二维对流扩散方程的交替分带并行算法

根据saul’yev型非对称差分格式和Crank-Nicolson差分格式对二维的对流一扩散方程构造了一类新的并行算法，即交替分带的Crank-Nicolson方法．该方法具有并行性质，可以在高性能的并行计算机上直接计算，稳定性好．数值实验表明，该方法有很好的精度．     

基于变长编码求解一维下料问题的演化算法

针对一维下料问题的特点,将线性规划方法与演化算法相结合,提出了一种基于变长编码求解一维下料问题的演化算法,该算法设计了一种新颖的遗传算子,实现简单,求解快速,实验表明,运用该法求解下料问题,材料利用率高,平均达到97．5％以上,具有很好的实用价值。     

考虑货物冲突关系的二维装箱问题研究

货物冲突及其处理方式直接影响货箱消耗量和货物装载成效, 通过构建冲突矩阵和“冲突货物不能放置同一货箱内”处理方式, 同时考虑负载安全因素, 建立了考虑货物冲突关系的二维装箱优化模型. 设计了改进的模拟退火算法, 其运用贪心算法对货物冲突预处理, 确保初始装箱序列为可行解; 提出了兼顾当前温度和适应度影响的动态随机扰动率 方程, 增强了邻域解的搜索能力, 改善了算法整体性能. 算例分析表明模型和算法有效. 120种货物冲突稀疏度[0.1,0.9]情景下, 货箱面积利用率均值为[0.342,0.732], 降低了装载单元使用数量, 提高了资源利用率. 不同样本量情景下, 改进算法的求解质量和运行效率表现良好.     

改进的粒子群优化算法在随机需求车辆路径问题中的应用

设计了一种求解随机需求车辆路径问题的改进的粒子群优化（PSO）算法．在算法后期将变异算子引入PSO算法，克服了基本PSO算法易陷入局部最优的缺点．数值模拟结果表明改进的PSO算法提高了全局搜索能力，求解效果优于基本PSO算法和遗传算法．     

基于智能优化算法的车间调度问题研究

车间的生产调度是一个非常复杂的问题,本文主要介绍车间调度问题模型以及蚁群算法、遗传算法、模拟退火算法等智能优化算法的研究情况,有效的生产调度方法和智能优化算法的应用,在很大程度上可以提高企业的效益.