二阶段随机规划问题基于随机模拟的遗传算法

利用遗传算法不过多依赖目标函数性质．适应于全局搜索的特点．提出了求解二阶段随机规划的基于随机模拟的遗传算法，算法采用随机模拟技术利用样本均值近似代替期望值，使计算得以简化，计算实例表明该算法是有效和可行的。     

二层随机规划基于随机模拟的遗传算法

本提出了二层随机规划模型，给出了求解二层随机规划问题的基于随机模拟的遗传算法。实际算例表明算法是可行的、有效的。     

求解线性模型稳健参数估计的整数编码遗传算法

线性模型回归系数的一些稳健估计如LMS、LQS、LTS、LTA的应用越来越广泛,然而它们的精确计算依赖于NP难题,在遇到高维大规模数据集时不可能在较短时间内得到精确解.为尽快得到较高精度的近似解,提出了求解线性模型的稳健参数估计的整数编码遗传算法,通过计算机模拟试验验证了算法可以更快地找出全局最优解.     

随机环境下资金预算问题的机会约束整数规划模型

本文基于最新的机会约束规划理论,提出了两类随机环境下资金预算问题的整数规划模型,并且设计了一种基于随机模拟的遗传算法来计算给出的模型．为了例证算法的有效性,本文给出了两类模型的数值例子,并且对其中一个例子给出了不同的参数,测试遗传算法的有效性,数值例子及测试结果均显示,本文所设计的基于随机模拟的遗传算法对于解决本文提出的两类模型是有效的．     

国际原油价格预测的双层随机整数规划模型、算法及应用

根据国际原油价格近期数据及原油价格变化量,给出了国际原油价格改变量的状态转移概率(或频率)矩阵.依此提出以国际原油价格预测误差的期望与方差最小为最优目标,建立国际原油价格预测的双层随机整数规划,并论述该优化问题最优解的存在性, 根据约束特性构造了优化算法.同时按照国内现行成品油定价机制, 提出的优化算法,对国内成品油调价进行了预测,实证分析表明提出的模型与优化算法具有一定的预测精度和较好的实用性.     

带有模糊约束的房地产投资随机期望值模型

基于可信性理论,提出一类新的带有模糊约束的房地产投资随机期望值模型来处理房地产经济中的不确定性信息.另一方面,通过目标函数和可信性函数的一些性质将提出的房地产投资问题转化为一个等价的线性形式,从而可以利用经典的线性规划算法进行求解.最后,给出一个房地产投资问题的实例并通过Lindo软件进行求解.     

基于委托代理理论的工程监理期望值模型

针对工程项目建设中委托人与代理人具有不对称信息,提出了一种基于模糊随机约束规划的工程监理主体行为激励引导的优化模型;由于代理人(工程监理)存在着私人信息,因此将保留效用假设为一个三角模糊变量,针对委托人在信息不对称的情况下,可能对代理人的实际努力程度估计出现误差,用随机变量描述代理人的努力程度,在多任务委托代理模型的基础上,结合工程监理特点,建立了基于模糊随机约束规划且符合工程监理工作实际的数学模型,并结合某工程项目实例进行运算,验证了构建的工程监理激励引导优化模型是正确的。     

存在借贷资金的随机资金预算问题研究

讨论了企业运用自有资金及银行贷款进行投资时的资金预算问题,与以往的研究不同,本文假设投资支出、年投资收益以及银行贷款都为随机变量,而且,文章的研究并不要求待选的投资项目具有相同的投资期或具有相同的寿命周期.给出了随机环境下净现值收益的期望值模型及期望值目标规划模型,并设计了基于随机模拟的遗传算法,给出了模型的一般解决方法,此外,还提供了两个数值例子,用以说明建模思想,并例证算法的有效性.     

基于两阶段混合整数规划模型的洪涝灾害应急管理研究

本文以洪涝自然灾害为现实背景, 考虑多种应急物资、灾情的不确定性和应急救灾的多目标性, 集成优化灾前准备和灾后响应两阶段, 建立了一定最大救援时间下的两阶段多目标混合整数规划模型。模型的目标一是使得不同灾害情景下灾后响应阶段总物资不足惩罚和延误损失的期望最小, 目标二是使得灾前准备阶段应急物资存储点建造成本、物资存储成本及灾后响应阶段物资分配成本之和最小。该模型保证了应急救灾的及时有效以及物资的公平分配。本文设计了一种多目标遗传算法用于模型求解, 结合具体算例, 得到了模型在最大救援时间为4到9区间内任意数值下的pareto最优解, 很好地适应了决策者不同的决策需求, 并根据pareto应急方案的数目, 灾后响应阶段成本期望和两阶段总成本等模型的三个关键产出随最大救援时间的变化趋势, 得出最优的最大救援时间为5.7。     

整数规划的布谷鸟算法

布谷鸟搜索算法是一种新型的智能优化算法．本文采用截断取整的方法将基本布谷鸟搜索算法用于求解整数规划问题．通过对标准测试函数进行仿真实验并与粒子群算法进行比较,结果表明本文所提算法比粒子群算法拥有更好的性能和更强的全局寻优能力,可以作为一种实用方法用于求解整数规划问题．     

二层线性规划的自适应遗传算法

提出了一种自适应遗传算法来求解二层线性规划问题.该方法克服了难以确定合适的交叉概率和变异概率的困难.另外,在该方法中还采用了其它一些技巧不仅解决了在采用遗传算法经常出现的有些个体不可行的问题,而且还改进了算法的效率.     

A Multi-Stage Stochastic Integer Programming Approach for Capacity Expansion under Uncertainty

This paper addresses a multi-period investment model for capacity expansion in an uncertain environment. Using a scenario tree approach to model the evolution of uncertain demand and cost parameters, and fixed-charge cost functions to model the economies of scale in expansion costs, we develop a multi-stage stochastic integer programming formulation for the problem. A reformulation of the problem is proposed using variable disaggregation to exploit the lot-sizing substructure of the problem. The reformulation significantly reduces the LP relaxation gap of this large scale integer program. A heuristic scheme is presented to perturb the LP relaxation solutions to produce good quality integer solutions. Finally, we outline a branch and bound algorithm that makes use of the reformulation strategy as a lower bounding scheme, and the heuristic as an upper bounding scheme, to solve the problem to global optimality. Our preliminary computational results indicate that the proposed strategy has significant advantages over straightforward use of commercial solvers.     

随机需求模型和多目标规划模型在会议筹备问题中的应用

首先介绍了单时期随机需求模型和多目标规划模型及其求解方法,然后以实例说明了这两种模型在解决大型会议筹备问题中的应用。     

随机活动工期下求解资源约束项目最大期望净现值的动态调度算法

本文研究了随机活动工期下如何调度资源约束项目使得项目的期望净现值最大。首先对问题进行了界定,建立了相应的优化模型,其次针对问题的特点设计了一种动态规划算法。在算法设计的过程中,本文通过对项目网络图结构及不同状态最优值之间关系的分析,优化了动态规划算法状态的生成过程及状态最优值的求解过程,从而加快了算法的求解。使用随机生成的540个不同规模、不同结构的仿真案例对算法的有效性进行了验证,并分析了项目网络特征对算法效率的影响。实验发现：项目的次序强度对算法所需时间有着较大的影响,随着项目次序强度的减小,生成的状态数量会增加,从而计算时间也会增加。本文的研究可以为不确定环境下的项目调度提供决策支持。     

改进的非线性整数规划算法

通过对LUUS随机搜索算法的分析，本文首次提出了一种改进的随机定向搜索法（MRDISA）通过实例计算，说明该算法的优点是最优解的可靠性不受初始值X^(0)和初始搜索范围R^(0)的影响，并可用于求解高维约束非线性整数规划问题。     

Term Structure Models in Multistage Stochastic Programming: Estimation and Approximation

This paper investigates some common interest rate models for scenario generation in financial applications of stochastic optimization. We discuss conditions for the underlying distributions of state variables which preserve convexity of value functions in a multistage stochastic program. One- and multi-factor term structure models are estimated based on historical data for the Swiss Franc. An analysis of the dynamic behavior of interest rates generated with these models reveals several deficiencies which have an impact on the performance of investment policies derived from the stochastic program. While barycentric approximation is used here for the generation of scenario trees, these insights may be generalized to other discretization techniques as well.