无比值检验的亏基原始Ⅰ阶段算法

首次将亏基和无比值检验列主元规则相结合,执行亏基对偶单纯形算法得到一个原始可行基,以充分发挥这两种算法的优势,从而为亏基原始单纯形算法提供一个新的I阶段算法,以使其进一步克服退化所带来的困扰.数值试验表明,亏基和无比值主元规则的结合,能有效地减少总迭代次数和运行时间,其效率远远优于传统两阶段单纯形算法.     

基于LU分解的亏基摄动对偶Ⅰ阶段算法

将摄动算法和亏基单纯形算法相结合,以充分发挥这两种算法的优势,从而为亏基对偶单纯形算法提供一个新的Ⅰ阶段算法,以使其进一步克服退化所带来的困扰.数值试验结果表明,新算法能够降低退化带来的不良影响,减少总迭代次数和运算时间,其效率不仅远远优于传统的单纯形算法,且优于原有的亏基单纯形算法,是一个非常吸引人且充满希望的新尝试.     

基于最陡边规则的亏基对偶Ⅰ阶段算法

将摄动算法和亏基原始单纯形算法相结合,采用最陡边的列主元规则,以充分发挥这两种算法的优势,从而为亏基对偶单纯形算法提供一个新的I阶段算法,以使其进一步克服了退化所带来的困扰.初步的数值试验表明,所提出的算法能有效地减少总迭代次数,其效率不仅远远优于传统的原始两阶段单纯形算法,且优于原有的亏基原始单纯形算法,是一个非常吸引人而充满希望的新尝试.     

有界变量亏基单纯形算法

为克服单纯形算法中退化现象带来的困扰,本文在文[1]的基础上进一步提出亏基有界变量单纯形算法,并证明了算法的收敛性.     

基于最钝角规则的亏基对偶单纯形Ⅰ阶段算法

对偶单纯形算法或原始对偶单纯形算法都需要一个初始对偶可行基．就此目的而言，基于最钝角行主元规则的对偶Ⅰ阶段算法非常有效[15].本文将其思想应用于亏基情形，建立一个不含比值检验的新的亏基对偶Ⅰ价段算法．初步的数值实验表明，该算法可在总体上减少运行时间和迭代次数，极具竞争性．     

基于最钝角主元标规则的亏基算法

在最钝角原理基础上建立了新的主元标规则,它按最钝角原理赋予一组非基本变量较高优先权,先在其中选择进基变量,直到其相应的检验数均满足符号条件;如果此时剩下的检验数均已满足条件,则已达到最优.在亏基架构中引入新的主元规则,能有效地减少每次迭代可选的非基变量的个数.数值试验表明,新算法的效率优于亏基原始单纯形算法,表明了最钝角原理的可行性和有效性.     

基于最钝角主元标规则的亏基算法北大核心

在最钝角原理基础上建立了新的主元标规则,它按最钝角原理赋予一组非基本变量较高优先权,先在其中选择进基变量,直到其相应的检验数均满足符号条件;如果此时剩下的检验数均已满足条件,则已达到最优.在亏基架构中引入新的主元规则,能有效地减少每次迭代可选的非基变量的个数.数值试验表明,新算法的效率优于亏基原始单纯形算法,表明了最钝角原理的可行性和有效性.     

传统选主元规则的变形及其在亏基方法中的应用

从几何直观入手，对传统单纯形两阶段方法加以分析，得到了变形传统选主元规则的思想和动态选主元策略的思想，并将两种思想在亏基架构下加以实现。由此给出了三种具有动态选主元策略的变形的选主元规则及其相应的亏基算法。数值试验结果表明，两种思相具有可行性。     

基于亏基的最陡边主元标算法

在最陡边规则的基础上建立了新的主元标规则,并将其应用到亏基情形,在亏基的框架下建立了一个新的求对偶可行基的算法,数值结果表明,新算法能够减少迭代次数,算法效率较高,并且对于大规模问题的求解具有潜在优势,进一步表明了最陡边主元规则的可行性和有效性.     

A Primal Simplex Based Solution Procedure for the Rectilinear Distance Multifacility Location Problem

In this paper a primal simplex based solution procedure is developed for a multiproduct, multi-facility location problem using rectilinear distance measures. By overcoming the combinatorial nature of the problem which arises in the presence of degeneracy, this procedure is capable of handling large size problems. Computational results are also provided.     

基于单纯形方法的双层线性规划全局优化算法

通过分析双层线性规划可行域的结构特征和全局最优解在约束域的极点上达到这一特性,对单纯形方法中进基变量的选取法则进行适当修改后,给出了一个求解双层线性规划局部最优解方法,然后引进上层目标函数对应的一种割平面约束来修正当前局部最优解,直到求得双层线性规划的全局最优解.提出的算法具有全局收敛性,并通过算例说明了算法的求解过程.     

一种使用单纯形法优化的粒子群算法

根据单纯形法和粒子群算法的各自特点,提出了一种使用单纯形法优化的粒子群算法,算法利用单纯形法来对粒子群算法的初始值进行处理.数值实验表明,优化后的粒子群算法具有更好的的寻优能力.     

Partial Pricing Rule Simplex Method with Deficient Basis

A new partial pricing column rule is proposed to the basis-deficiency-allowing simplex method developed by Pan.Computational results obtained with a set of small problems and a set of standard NETLIB problems show its promise of success.     

A Piecewise Linear Dual Phase-1 Algorithm for the Simplex Method

A dual phase-1 algorithm for the simplex method that handles all types of variables is presented. In each iteration it maximizes a piecewise linear function of dual infeasibilities in order to make the largest possible step towards dual feasibility with a selected outgoing variable. The algorithm can be viewed as a generalization of traditional phase-1 procedures. It is based on the multiple use of the expensively computed pivot row. By small amount of extra work per iteration, the progress it can make is equivalent to many iterations of the traditional method. While this is its most important feature, it possesses some additional favorable properties, namely, it can be efficient in coping with degeneracy and numerical difficulties. Both theoretical and computational issues are addressed. Some computational experience is also reported which shows that the potentials of the method can materialize on real world problems.     

基于遗传算法的最佳摄动量法在反问题中的应用

抛物型方程参数的反演在工程中有重要的应用价值,针对最佳摄动量法对初始模型依赖性的严重不足,给出遗传算法对最佳摄动量法的改进的新算法并进行了数值模拟．从模拟结果可以看到模拟结果与估算值曲线图基本吻合,体现了该方法的有效性和高精度性,且新算法弥补了对初始数据严重依赖的不足以及保证了区域收敛的全局性．     

基于线性规划核心矩阵的单纯形算法

本文讨论了线性规划中的核心矩阵及其特性,探讨了利用核心矩阵实现单纯形算法的可能性,并进一步提出了一个基于核心矩阵的两阶段原始一对偶单纯形方法,该方法通过原始和对偶两个阶段的迭代,可以在有限次迭代中收敛到原问题的最优解或证明问题无解或无界．在试验的22个问题中,该算法的计算效率总体优于基于传统单纯形方法的MINOS软件．     

关于改进单纯形法的一条注记

指出并修正了文献［１］中改进单纯形法的一处错误。     

单纯形法选择进出基变元的一个新准则

解线性规划单纯形法迭代中,G.B.Dantzig等人给出的进基原则看似简单,但其忽略了影响目标函数增加量的另外一个因素—进基变元的产出系数,而试图给出一个新的迭代进出基准则—最大增量准则,一方面可以加快迭代速度,同时也可以避免迭代中可能遇到的所谓循环.