随机仿射变分不等式的改进期望加权残差法

本文在绝对值残差和加权期望残差方法的基础上针对带有非线性扰动的随机仿射变分不等式问题考虑了期望和方差的凸组合形式,得到了改进的期望加权残差极小化问题.通过拟蒙特卡洛方法,本文得到问题的离散近似问题,并研究了问题目标函数的可微性及其水平集的有界性,然后对问题进行了收敛性分析.     

防洪效益的随机模拟

应用蒙特卡洛法模拟产生洪水系列,以防洪工程使用期为一个时间单位,考虑资金的时间价值,对工程的减灾损失进行了计算,得到了防洪效益的概率分布模式,为防洪工程经济决策评价的风险打下了基础。     

一种基于随机规划的晶圆制造产能规划方法

针对晶圆制造过程中产能与需求的高度不确定性问题,采用基于场景(scenario)的随机规划方法进行设备购置决策.未来不确定的需求采用多个以发生概率相联系的预测场景来模拟,使得到的设备购置决策具有较好的鲁棒性.采用加工作为衡量产能的标准,考虑了优先设备与后备设备的区别,目标是尽量满足各阶段各场景中的需求.结果表明,当未来产品需求在一定范围内变动时,基于随机规划的决策优于基于线性规划的决策.     

一种基于拟蒙特卡罗法的骨干粒子群改进算法

针对骨干粒子群算法因受粒子初始化位置分布不均影响易陷入局部最优的问题,提出一种基于拟蒙特卡罗法的初始化策略,用以确保粒子初始位置在搜索空间内保持随机分布,从而有效提升骨干粒子群算法的搜索能力.仿真实验表明:与经典骨干粒子群算法相比,采用拟蒙特卡罗法进行初始化的改进算法搜索能力有所增强,问题求解精度有明显提升.     

单阶段随机规划的一种近似计算方法

利用极大熵原理提出了一种求解单阶段随机规划的近似计算方法。这种方法是把单阶段随朵规划转化为确定性非线笥规划问题。由于这转化以后的规划很复杂,文章通过极大熵函数再将转化后的确定性非线笥规划转化为只有一个约束条件的可微规划问题,并证明了在一０定条件下的收敛性。     

用于晶圆制造产能规划优化决策的改进随机规划方法

提出了一种滚动式基于场景(scenario)的随机规划方法.由于需求的高度不确定性,采用多个预测场景来模拟需求的不确定性,其发生概率之和为1;由于一个产能计划周期可能包含多个需求预测周期,以分别满足几个预测周期的需求为约束,而不是满足整个计划周期的需求;以滚动的形式来做设备购置计划,即根据未来几个计划周期的情况来做本期设备购置决策,使得到的设备购置决策具有更好的鲁棒性.结果表明,当未来产品需求在一定范围内变动时,基于随机规划的滚动计划决策优于原来的随机规划决策.     

蒙特卡洛方法和拟蒙特卡洛方法在期权定价中应用的比较研究

在期权的交易中,最关键的问题是期权定价。蒙特卡洛模拟作为期权定价的有效的数值方法之一,近年来发展迅速。然而蒙特卡洛方法产生的随机数为伪随机数有收敛速度慢、计算量大等缺陷。拟蒙特卡洛模拟是采用拟随机数序列代替伪随机数序列的蒙特卡洛模拟。通过考察线性同余发生器;Halton序列、Sobol序列等拟随机数序列的特点,以欧式看涨期权为对象研究了蒙特卡洛方法和拟蒙特卡洛方法的有效性。对比实验显示了拟蒙特卡洛模拟明显优于蒙特卡洛模拟。     

基于随机规划的现代医院选址方法

针对医院选址问题中就医人数随机性的特点,提出了基于随机规划的现代医院选址方法.考虑医院附近不同人口分布点的每月就医人次数、交通状况、病人对不同级别医院的偏好因素,建立随机整数规划模型,以最小化地区内人口与医疗资源间的权重距离总和为优化目标,并采用蒙特卡罗方法模拟每月就医人次数这一随机参数.实验结果证明,该方法具有良好的收敛性,其选址决策相比于确定性模型选址方法明显优化.     

多目标随机规划的交互遗传算法

利用遗传算法在处理过程中不依赖问题的种类,并具有较强鲁棒性等特点,提出了一种基于交互式的求解多目标随机规划的遗传算法,算法的意思是,结合小生境技巧和构造Pareto选优过滤器的手段,通过与决策者的反复交互对话,最后得到使决策者满意的问题的Pateto有效解集。     

基于随机响应面法的结构可靠度研究

基于Karhunen-Loève正交级数对随机场进行离散,并利用Hermite混沌多项式将结构位移响应量表示成为随机场离散变量的函数,研究建立了结构抽样模拟分析的随机响应面法,进而建立了与结构失效准则相对应的极限状态函数,结合几何法提出了结构可靠度分析的随机响应面法计算格式.分析了二阶、三阶随机响应面的特性,并同可靠度分析的蒙特卡罗法进行了比较,结果表明本文方法具有更好的计算精度和计算效率.     

蒙特—卡罗方法在随机规划中的应用

提出一个用统计方法即蒙特－卡罗方法解随机线性规划的算法框架。对那些具有高维随机数的情况是一种很有前景的解算方法     

一类随机规划的蒙特卡罗回溯优化求解方法

针对一类随机规划问题构造了基于蒙特卡罗的回溯优化求解法,该方法本质属于一种动态搜索算法,通过迭代求解一系列样本确定性优化问题并经样本容量逐渐增加过程而逼近随机问题的最优解,而迭代终止条件由需求的计算精度确定,并具体给出了近似解的计算方法及迭代终止条件.最后,通过算列验证了该方法的有效性.     

基于割平面的随机规划分解方法

以两阶段随机规划为例,给出了基于割平面的三种分解方法：L型方法、多切割方法和自适应多切割聚合算法。三种方法都是以割平面为基础,将大规模问题分解为一系列小规模问题进行求解,从而降低了求解的规模。通过分析三种方法的优缺点,得到用自适应多切割聚合算法求解大规模问题时在计算时间方面的优越性,并给出了今后研究的方向。     

自适应多切割聚合算法在两阶段随机凸规划中的应用

将Svyatoslav Trukhanov,Lewis Ntaimo和 Andrew Schaefer的自适应多切割算法推广到了带补偿的两阶段随机凸规划问题上.算法的实现简单、计算量小,并具备一定的收敛性.     

求解一类随机规划的Monte Carlo模拟方法

通过对目标函数和约束函数同时抽样,提出了基于Monte Carlo模拟的遗传算法,通过逐步增加样本容量和遗传进化代数以得到满足精度要求的近似最优解,并且通过统计方法讨论样本容量的迭代终止条件,以减少Monte Carlo随机模拟的盲目性;同时给出了最优解的表达形式以及算法的迭代终止条件;数值实验证明了方法的有效性。     

一类随机规划问题的近似Lagrange-Newton算法

通过利用MonteCarlo模拟方法近似目标函数及其一(二)阶信息,给出了带有补偿的随机二次规划问题的一个近似不可行Lagrange—Newton算法,并在依概率1条件下证明了它的全局收敛性和局部超线性收敛性。     

对程序设计方法的研究

程序设计方法学是计算机应用中至关重要的一个领域，在这其中，结构化设计方法和面向对象设计方法是目前程序设计中使用较多的两种方法，这两种方法各有优缺点，而且设计思想通常是互相包含的，在实际的项目中应该根据不同的需求来选择不同的设计方法．与设计方法相对应，设计语言也经历了一个由低级向高级、由纯粹的结构化设计语言到包含结构化方法的面向对象设计语言的变化．     

对角补偿矩阵的二阶段问题

本文提出了二阶段随机规划中对角补偿问题的定义并推导了此问题的性质与算法。