基于混合单纯形算法的模糊均值图像分割

针对模糊C均值算法用于图像分割时对初始值敏感、容易陷入局部极值的问题,提出基于混合单纯形算法的模糊均值图像分割算法.算法利用Nelder-Mead单纯形算法计算量小、搜索速度快和粒子群算法自适应能力强、具有较好的全局搜索能力的特点,将混合单纯形算法的结果作为模糊C均值算法的输入,并将其用于图像分割.实验结果表明:基于混合单纯形算法的模糊均值图像分割算法在改善图像分割质量的同时,提高了算法的运行速度.     

避免引入人工变量求线性规划可行基的一个新方法

讨论了线性规划的单纯形解法,给出了不须加人工变量就可得到一个可行基的算法.通过大量的算例表明此法比传统的单纯形方法具有算法结构简单,计算量小的优点.     

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.     

单纯形上二次型函数的最值搜索算法

由于单纯形域上的二次型函数往往是多峰函数,当函数形式较为复杂时难以求得全局最值.构造了两类适用于单纯形上二次型函数优化的算法,分别是单纯形上的Newton-Raphson算法与随机搜索算法.经过实例验证,这两种算法都是有效的.     

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.     

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.     

基于亏基的摄动原始单纯形Ⅰ阶段算法

通过摄动技术来使问题强制获得对偶可行性,执行亏基对偶单纯形算法得到一个原始可行基,并采用修正的主元规则,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.初步的数值试验表明,亏基和摄动两种算法优势的结合,能有效地克服退化的影响,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.     

第一阶段原有单纯形和对偶单纯形算法的计算比较

线性最优化广泛应用于经济与管理的各个领域.在线性规划问题的求解中,如果一个初始基本可行解没有直接给出,则常采用经典的两阶段法求解.对含有"≥"不等式约束的线性规划问题,讨论了第一阶段原有单纯形法和对偶单纯形法两种算法形式,并根据第一阶段问题的特点提出了改进的对偶单纯形枢轴准则.最后,通过大规模数值试验对两种算法进行计算比较,结果表明,改进后的对偶单纯形算法在计算效率上明显优于原有单纯形算法.     

单纯形算法的两种部分定价策略

根据Hu和Johnson的原始一对偶单纯形算法原理,提出了两种部分定价策略.给定一组原始一对偶可行解,首先,选择与原始问题简约价值系数为负且对偶松弛变量取零值相应的非基变量作为部分定价变量,再用Dantzig准则的单纯形算法求解该原始子问题.其次,针对原始退化问题,选择相应于原始问题简约价值系数小于某个适当小正数的非基变量进行部分定价,然后应用Bland准则的单纯形算法求解原始子问题,以克服退化可能引起的循环现象.最后,对来自NETLIB和MIPLIB的一些典型算例执行初步数值试验,结果表明,与经典单纯形算法相比,提出的算法具有更好的计算表现.