随机R0张量互补问题的投影Levenberg-Marquardt方法

本文考虑一类离散型随机$R_0$张量互补问题,利用Fischer-Burmeister函数将问题转化为约束优化问题,并用投影Levenberg-Marquardt方法对其进行了求解。在一般的条件下得到了该方法的全局收敛性,相关的数值实验表明了该方法的有效性。     

基于双向搜索方法的最小值控制递归平均语音增强算法

语音增强效果的提高,有赖于对噪声的准确估计和对噪声变化的及时跟踪与更新。为了提高对非平稳噪声的估计和更新能力,本文基于\     

基于模式搜索的光谱消光粒径分布反演算法的研究

发展快速有效的反演算法用于粒径分布的重建是颗粒测量领域重要的研究课题之一。在光谱消光法粒径测量中,提出将模式搜索算法用于独立模式下粒径分布的重建,同时引入Tikhonov平滑泛函构建算法的目标函数,为保证搜索过程的快速性和准确性,设计了关于初始点的优选策略。利用该算法测量国家标准颗粒体积平均直径的相对误差为3.14%,不超过国家标准物质局给出的±8%的范围,且粒径分布宽度合理,没有明显展宽和伪峰现象。与Phillips-Twomey方法和遗传算法的对比结果表明,在综合考虑反演精度和反演时间条件下,该算法具有明显优势,更适合于快速准确的现场测量,具有较好的应用前景。     

砂土类材料离散元细观参数的自动识别

准确的细观参数是采用离散元进行合理模拟的前提,基于最优化理论,本文提出了一种砂土类材料离散元细观参数的自动标定方法:采用PFC离散元软件模拟砂土的双轴压缩试验,以使PFC数值模拟的应力–应变曲线与某标准砂土室内双轴压缩实验结果的误差最小为优化目标,采用模式搜索法实现砂土类材料离散元细观参数的自动标定。本文提出的离散元细观参数自动标定方法具有识别效率快,精度高的优点。     

一个带有线搜索的新信赖域方法及其收敛性

本文利用一个修正的BFGS公式,提出了一个结合Armijo线搜索条件技术的BFGS信赖域方法,并在一定条件下证明了该方法的全局收敛性和超线性收敛性.初步的数值实验结果表明该方法是有效的.     

供应商不确定情景下药品物流多中心选址优化研究

根据国家4+7药品带量集中采购评审标准,基于药品生产企业生产质量、供应能力、相关资质和同类药品参标结果等数据进行梳理和分析,针对药品供应商不确定情景下药品物流多中心选址问题,构建药品物流整体费用最优的多中心选址模型,设计多阶段改进禁忌搜索算法,最后通过4+7带量集中采购具体算例对模型和算法进行验证,结果显示该模型和算法是可行和有效的。     

考虑均衡性的不确定时间车辆调度问题研究

本文针对车辆调度实际运行过程中时间的不确定性问题,提出了包含时间窗口、车辆容量约束的配送服务线路随机规划模型,以最小化调用的车辆数目和运行距离,降低顾客的不满意度并且尽可能保证每条路线的均衡性。结合模型,给出了基于禁忌搜索的混合启发式算法,并且生成多个算例,依据算例结果说明模型和算法优越性,同时说明可以在不降低顾客满意度和不提高总运输成本的基础上,降低各条线路之间的时间差异。     

D-最优设计的分部搜索数值构造方法

为了简化D-最优设计的过程,便于工程应用,提出了一种D-最优设计的数值构造方法——分部搜索数值构造方法。该方法以惯性器件测试为背景,以D-最优性为准则,将传统的D-最优设计分解为谱点寻优和测度寻优两个部分,降低了设计的复杂度,从而减少了运算量,又具有操作简单、思路清楚直观的特点,工程实用性强。提出并证明了相关的定理及推论,从理论上说明了这种构造方法的正确性。以陀螺加速度计误差模型系数辨识试验为例,运用此算法进行了D-最优设计。设计的结果证明了该方法的正确性,同直接搜索法相比,能将最小设计维数降低为原来的50%,提高了设计效率。     

随机活动工期下考虑缓冲成本及效用的融资费用最小化项目调度优化研究

巨额融资所带来的高昂融资费用,推高承包商的总成本,严重挤压其利润空间。承包商迫切需要对项目现金流进行优化,提高资金配置效率,降低融资费用。此外,为了应对不确定性干扰,承包商通常花费事前成本为活动添加时间缓冲,以保证进度计划稳定性,以减少事后变更和调整费用。因此,本文研究随机活动工期下考虑缓冲成本及效用的融资费用最小化项目调度优化研究,旨在为承包商生成具有一定鲁棒性的融资费用最小化基准进度。首先,界定研究问题并构建优化模型,在此考虑为活动插入时间缓冲所带来的成本及效用。其次,设计VNTS混合算法对模型进行求解,提炼相关性质以提高算法搜索效率,并在算例集合上进行算法测试。最后,通过案例对本文研究进行说明。研究结果可以为随机活动工期下承包商控制融资费用、提高项目收益,提供定量化决策支持。     

一种修正的HS共轭梯度法及全局收敛性

<正>1引言考虑无约束极小化问题:(?),(1)其中f(x)连续可微,其梯度函数用g(x)表示.共轭梯度法求解(1)的常用迭代格式为:x_(k+1)=x_k+α_kd_k,(2)(?)(3)其中g_k=▽f(x_k),α_k≥0是由某种线搜索得到的步长因子;d_k为搜索方向,β_k为标量,β_k的不同选择产生了不同的共轭梯度法.著名的β_k公式有: