一种间接求解约束优化问题的遗传算法

传统的遗传算法在求解带约束的数值优化问题时,主要采用罚函数法。文章针对罚函数法在实际应用中的不足,提出了一种将约束优化问题转化为双目标优化问题,然后使用双目标遗传算法进行求解的方法。仿真结果表明该方法是一种有效的约束问题寻优方法。     

一种新的解箱约束变分不等式的光滑牛顿算法

利用Chen—Harker—Kanzow—Smale光滑函数提出了一种新的解葙约束变分不等式的光滑牛顿算法．此算法在每一步迭代中只需处理一个光滑函数,不需考虑使近似参数下降的过程．当满足适当条件时可证明本算法是超线性收敛的．     

一种新型的求解约束优化问题的微粒群算法

本文提出了一种新的求解约束优化问题的微粒群算法。首先提出了三种构造初始微粒群的算法,然后给出了保证微粒在可行域内运动的混合微粒群算法。通过测试函数的对比分析,说明了该算法的有效性。     

演化算法求解约束多目标优化问题

本文引入约束占优的定义，将约束条件与目标函数融合在一起，对有约束的多目标优化问题（MOP）建立了一种新的偏序关系。使用多父体杂交和非均匀变异来求解约束多目标优化问题，通过对测试函数的实验，验证了算法的可行性和有效性。     

不等式约束优化的一个滤子SQP算法

本文提出了一个解不等式约束优化的滤子SQP算法。当QP子问题不可行时,对算法进行校正,减小其不可行性避免Maratos效应;通过松弛滤子的接受条件有利于得到全局最优点。在适当的条件下,证明了算法具有全局收敛性。     

求解互补约束优化问题的一类光滑化算法

互补约束优化问题(mathematical program with complementarity constraints,简记MPCC)是一类重要的平衡约束优化问题.此类问题具有十分广泛的应用.采用光滑化策略,用一类几乎处处光滑函数替代互补约束,从而将MPCC转化为一系列非线性规划问题(nonlinear programming,简记NLP).给出迭代算法并对Mac MPEC数据库中的一些问题测试了算法的有效性.     

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究，提出了一种新的信赖域算法．该算法在内点法的基础上，把非负边界约束从一般的不等式约束中分离出来，化为信赖域约束的一部分，得到一个简单易解的子问题．在一定的条件下证明了该算法具有强收敛性，并给出了数值结果．     

一类线性不等式约束优化问题的信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题提出了一种新的信赖域算法。此算法以内点法为基础,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,从而得到一个简单易解的子问题。在一定的条件下证明了算法的收敛性,并给出了数值结果。     

求解多值分解可行问题的一种新算法

在无需目标函数的情况下,对多值分解可行问题给出了一种松弛投影算法,证明了该算法的全局收敛性,并将其应用于约束多值分解可行问题的求解,结果表明该算法是有效的.     

关于BOX约束优化的有限记忆BFGS算法

研究一种求解有界优化约束的有限记忆BFGS算法．在适当的条件下,证明了算法的全局收敛性．数值实验表明这种算法优于一般的算法．     

SA法在求解非线性约束优化问题中的应用

传统数学规划方法如梯度法等在解决非线性规划问题时,往往会由于问题本身的多峰性而落入局部最优解中,得不到全局最优解,这使得传统方法在解决非线性规划问题中受到很大的限制.80年代初,S.Kirkpatrick提出了模拟退火算法(Simutaneous Annealing),该方法在解决复杂的组合优化问题中可以得出很好的结果.它是一种仿金属退火物理过程的随机算法,在理想状态下可得出全局最优解,并能以一定的概率跳出局部最优解所在的区域.本文我们将探讨SA法在求解非线性约束优化问题中的应用.     

求解0-1背包问题的遗传算法

提出了一种求解0-1背包问题的遗传算法,该算法首先设计出基于适应度的自适应变异策略,提高了变异的科学性和新算法的搜索能力;然后提出了基于单位价值信息和满足约束最大化的双优化策略,提高了求解的质量.3个0-1背包问题的仿真实验表明:与已有的HGA算法和GGA算法相比,新算法在求解质量上具有一定优势.     

一种有效的多目标混合遗传算法

设计了一种基于支配关系下的局部搜索方法，将此局部搜索方法嵌入到多目标遗传算法中，从而提出一种有效的求解多目标优化问题的混合遗传算法。为加速遗传算法在全局优化问题上的收敛性，发挥传统数值优化算法在计算速度与计算精度上的优势，在遗传算法中镶嵌一个多目标线搜索算子。线搜索算子与遗传算法中的选择算子、交叉算子和变异算子共同作用，使全局搜索和局部搜索都能够很好的实现。数值实验表明，该混合遗传算法能求得问题的数量更多、分布更广的Pareto最优解。     

基于遗传机制的蚁群算法求解连续优化问题

A new algorithm is presented by using the ant colony algorithm based on genetic method (ACG) to solve the continuous optimization problem.Each component has a seed set.The seed in the set has the value of component,trail information and fitness.The ant chooses a seed from the seed set with the possibility determined by trail information and fitness of the seed.The genetic method is used to form new solutions from the solutions got by the ants.Best solutions are selected to update the seeds in the sets and trail information of the seeds.In updating the trail information,a diffusion function is used to achieve the diffuseness of trail information.The new algorithm is tested with 8 different benchmark functions.     

求解非线性约束优化问题的一个数值延拓算法

1　IntroductionThenonlinearconstrainedoptimizationproblemisaveryimportantmathematicalprogrammingprob lem .Ithasbeenstudiedextensively ,andmanyalgo rithmsforsolvingthis problemhasbeen pro posed[1,2 ] .Mostalgorithmsforsolvingthenonlinearcon strainedoptimization problemislocallyconvergent ,suchastheNewtonmethod ,theBFGSmethodandtheSQPmethod ,etc .Toovercomethisdrawback ,manyextendediterativemethodshavebeendevel oped .Forexample ,theNewtonmethodincorporatedwiththelinesearch[1] andhomotopymeth…     

随机条件下固定费用的运输问题及算法

给出了产量和需求量均为随机变量的固定费用运输问题的随机优化模型.针对不确定的数学模型,利用随机理论知识,给出了等价的确定性数学模型.利用运输图是一个生成树的特性,提出了基于生成树的遗传算法,并利用检验染色体可行性的准则,保证解的可行性.最后用算例验证了该算法的有效性.     

Smoothing newton algorithm for solving generalized complementarity problem

The generalized complementarity problem includes the well-known nonlinear complementarity problem and linear complementarity problem as special cases.In this paper, based on a class of smoothing functions, a smoothing Newton-type algorithm is proposed for solving the generalized complementarity problem.Under suitable assumptions, the proposed algorithm is well-defined and global convergent.     

A predictor-corrector interior-point algorithm for monotone variational inequality problems

Mehrotra's recent suggestion of a predictor-corrector variant of primal-dual interior-point method for linear programming is currently the interior-point method of choice for linear programming. In this work the authors give a predictor-corrector interior-point algorithm for monotone variational inequality problems. The algorithm was proved to be equivalent to a level-1 perturbed composite Newton method. Computations in the algorithm do not require the initial iteration to be feasible. Numerical results of experiments are presented.     

A new optimization algorithm based on chaos

INTRODUCTION Chaos (Wang et al., 2002) is a common nonlin- ear phenomenon, whose action is complex and similar to that of randomness. The characteristics of chaos being highly sensitive to the initial value of chaos make a world of differences due to the ergodic prop- erty of the phase space—chaos can go through all states in certain ranges without repetition; the inher- ent randomness of the system—means that chaos behavior is similar to randomness which is disorderly; but at the same t…