多目标线性规划的一种交互式单纯形算法

本文基于分析有效极点解的有效变量的特点以及在有效点处各个目标函数的数值来得到改进的搜索方向的研究思想,提出了求解目标函数和约束均为线性的多目标线性规划问题的一种交互式算法。该方法可以保证每一步得到的解均为有效极点解,且根据决策者的偏好不断得到改进,直至最终得到满意的最终解。     

模糊线性规划问题的一种新的单纯形算法

提出求解模糊线性规划问题的一种新的思路 ,就是应用单纯形法先求解与 (FLP)相应的普通线性规划问题 ,通过模糊约束集与模糊目标集的隶属度的比较 ,获得两个集合交集的最优隶属度 ,将此最优隶属度代入最优单纯形表中 ,即可求得 (FLP)的解。本算法只需在一张适当的迭代表台上执行单纯形迭代过程 ,简捷方便适用     

关于FLP问题一种新的单纯形算法的推广

指出FLP问题的一种新的单纯形算法[1]中主要结论成立的适用条件,并给出了该适用条件不成立时,一般条件下的推广.     

对单纯形算法的两点改进意见

本文指出两点:1.按照最速下降规则确定进基和离基变量,既能避免迭代循环,又常减少迭代次数;2.可不直接引入人工变量求初始基可行解,并从一开始就考虑按一定意义下使原目标函数下降最多的原则选择基变量,使得到的初始基可行解尽可能的好。 1.关于最速下降规则设所论线性规划问题由表1给出: 最速下降规则可叙述如下: (A)设R={j|λ_j>0},对每一j∈R,计算     

关于使用最大改进规则的单纯形算法

[5]建立了定理5—3、5—4、5—5，并据此证明了采用该的最大改进规则的单纯形算法是多项式算法。本举例证明了[5]中的定理5—3、5—4、5—5是错误的。     

一种简易的单纯形表

通过对单纯形法的分析和研究,提出了一种简易的单纯形表,并利用矩形法则进行计算而得到一种改进的单纯形法.结果表明该法简单易行,并减少了计算量和存储量.     

一种原始——对偶单纯形算法的枢轴准则选择

Curet曾提出了一种有趣的原始一对偶技术,在优化对偶问题的同时单调减少原始不可行约束的数量,当原始可行性产生时也就产生了原问题的最优解.然而该算法需要一个初始对偶可行解来启动,目标行的选择也是灵活、不确定的.根据Curet的原始一对偶算法原理,提出了两种目标行选择准则,并通过数值试验进行比较和选择.对不存在初始对偶可行解的情形,通过适当改变目标函数的系数来构造一个对偶可行解,以求得一个原始可行解,再应用原始单纯形算法求得原问题的最优解.数值试验对这种算法的计算性能进行验证,通过与经典两阶段单纯形算法比较,结果表明,提出的算法在大部分问题上具有更高的计算效率.     

灵活单纯形算法

本文概述C.B.Garcia和W.I.Zangwill的灵活单纯形算法,论证算法的可行性,并对在优化问题中应用灵活单纯形算法的前景进行探讨。 1.引言自从Scarf首先利用Lemke、Lemke和Howson的互补原理来计算非线性映射不动点以来,许多求不动点或零点的算法出现了。例如:Merrill提出的重复开始算法,Kuhn和Mackinnon提出的“三明治”算法,Eaves提出的单纯同伦算法等等。     

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.     

关于使用最大改进规则的对偶单纯形算法

本举例证明了[3]的定理10-1是错误的。     

一种改进的Snake算法

针对动态轮廓模型特性，本提出了一种能量函数的选取和收敛算法改进的新方法，结果表明，该方法在实际应用中效果理想。     

一种改进的模拟退火算法

1 引言 在过去的几十年中,最优化的任务在诸如以下不同领域中表现为稳步上升趋势,如电子工程、操作系统、计算机科学和通信等,其中的NP完全问题不易得出最优解,它被所解问题大小的一个多项式函数所限制,且其求解时间随问题规模呈指数级增长,当规模稍大时就会因时间限制而失去可行性。     

一种改进的FastICA算法

FastICA算法是一种快速独立分量分析(Independent Component Analysis:ICA)算法,但它是基于牛顿迭代方法和合理近似的一种算法,所以具有改进空间.近年来提出了许多改进的具有更高阶收敛性质的牛顿迭代方法.将一种3阶收敛的牛顿迭代方法引入ICA算法的推导中,在合理近似的基础上,提出了一种改进的两步迭代FastICA算法.与传统FastICA算法相比,提出的改进的FastICA算法一次迭代的计算量有所增加.但是,实验结果表明,新提出的改进的FastICA算法更稳健、具有更快的收敛速度.     

一种单纯形算法及其在求解非线性算子方程中的应用

本文将给出一种求解非线性方程组的单纯形算法—同伦算法,并证明其收敛性定理.作为其应用,还将讨论算法在求解一类非线性算子方程(尤其是非线性微分方程)中的情形.     

求解线性规划的一种单纯形矩阵法

线性规划的单纯形法一直是运筹学教学中的难点,是求解线性规划的一种重要方法.通过实例从代数角度探讨了单纯形法的迭代思想,提出了用单纯形矩阵求解线性规划的方法.同传统的单纯形表计算比较而言,此方法操作简单,不易出错,为线性规划的求解提供了一种行之有效的方法。     

一种改进的进化规划算法

本对于全局优化问题提出一个改进的进化规划算法，该算法以概率p接收基于电磁理论求出合力方向作为随机搜索方向，以概率1-p接收按正态分布产生的随机搜索方向。改进算法不仅克服了传统进化规划算法随机搜索的盲目性，而且保留了传统进化规划算法全局搜索性。本算法应用于几个典型例题，数值结果表明本算法是可行的，有效的。     

逐次回归的单纯形算法

常出现在稳定的时间序列的线性预报中,对于P阶线性预报问题在[1]中将其归结为线性最小二乘问题: