非凸二次规划的单纯形分支与对偶界算法

提出了求解目标函数是非凸二次函数约束是线性不等式的非凸二次规划问题的单纯形分支与对偶定界的全局优化算法.算法在分支定界搜索过程中,下界只需要求解利用拉格朗日对偶得到的一系列线性规划,利用这些线性规划的最优对偶解求得非凸二次规划问题的可行解.最后证明了算法的收敛性并通过一个实例说明算法的可行性.     

基于分支定界法的整数规划问题研究与应用

整数规划是日常生活中较为常见的一种特殊的规划问题,需要使用特殊的方式来进行求解.分支定界法作为一种枚举型的求解思想,通过分割解空间来限定最优解的上下界,从而较为高效地获得整数规划问题的最优解.本文对分支定界法进行了建模分析,给出了分支定界法求解最优解的一般思路和求解方法,同时使用分支定界法进行了实证分析,利用分支定界法对飞机排班问题和生产用料最优化问题进行了实际的模拟求解,并分析了分支定界法的优点和不足.     

分支定界算法的MATLAB实现

分支定界法可求纯整数或混合整数线性规划问题,求解方法由分支和定界组成。"分支"为整数规划最优解的出现创造了条件,而"定界"则可以提高搜索的效率。用MATLAB编写程序,通过计算机来完成这一复杂的过程。     

一维精确搜索方法与分支定界法的联系

对一维搜索中0．618法、Fibonacci法、二分法进行推广发展，可得到一种全局优化问题的解法，适用于平面上的全局最优问题的求解，将其与全局优化中基本的分支定界方法比较，可认为这种方法是分支定界方法在低维情况的特例。     

非凸二次规划的收缩分支定界方法

基于非凸二次约束二次规划问题（QP）的松弛线性规划问题提出一种区域收缩策略以排除（QP）的可行域中不存在全局解的部分,然后结合区域收缩策略和分支定界方法针对问题（QP）给出收缩分支定界方法,数值计算表明算法是有效可行的。     

一类凸函数比式和问题的全局优化方法

本文针对一类带有反凸约束的凸函数比式和问题提出了一种求其全局最优解的分支定界算法。该算法利用Lagrange对偶理论将其中关键的定界问题转化为一系列易于求解且规模固定的线性规划,从而更容易应用到实际问题中。理论分析和数值算例均表明算法是可行有效的。     

人工智能中求解八数码问题算法的实现与分析

针对八数码问题的求解,给出了深度优先搜索、广度优先搜索和启发式搜索(譬如A*算法)之间的算法比较,通过实验验证各种算法并得出结论:在通常情况下,采用启发式搜索算法来进行状态空间的搜索更为方便、高效。     

改变罚函数求解TSP

通过设置障碍改变罚函数值，选择多条较优回路的公共边进入最优回路，再搜索最优回路的其余分支，利用分支定界法达到节省计算量的目的。     

回溯算法求解TSP问题的改进

回溯法构成的解空间树中存在着大量的重复解,降低了搜索的效率．该文在阐述回溯算法基本思想的基础上,运用解路径反转。找出其重复解,然后从解空间树中将其删除的方法对四溯算法加以改进,改进后的算法空间复杂度只有O（n）,并省掉了重复路径的权值计算,节省了搜索时间,提高了搜索效率．     

分支定界算法在白细胞特征选择中的应用研究

提出了一种基于分支定界算法的白细胞图像特征选择方法，该方法可有效降低特征空间的维数，加速分类器的速度。为验证方法的有效性，分别用106个原始特征和从106个特征中选择35个最优特征进行分类实验。结果表明，两种情况的分类效果无明显改变，有效缩短了分类器的分类时间。     

穷举法与粒子群算法的比较

穷举法是一种传统的搜索方法,主要思想是列出所有可行解,然后找到满足条件的答案.粒子群优化算法是一种新型的群体智能算法.与传统的算法相比较,具有算法简捷,搜索速度快,易于实现等优点,该算法利用个体在解空间的随机速度来调整位置,具有很强的随机性.     

分支与定界算法的实现研究

本介绍分支与定界算法的基本原理，着重讨论了此算法在具体实现过程中遇到的两个难点：分支结点的寻找和当前结点对应数据的生成。     

基于有向搜索的蚁群算法及其仿真

为了解决蚁群算法收敛速度慢和易陷入局部最优的问题,提高算法在连续空间中的寻优能力,本文提出了一种基于有向搜索的智能蚁群优化算法。该算法使转移概率较大的蚂蚁个体在解空间中进行局部有向变步长搜索,有效地避免了算法陷入局部最优,缩短了搜索时间,在寻优精确度取得了很好的效果。通过仿真验证了算法的有效性     

一种线性比式和问题的对偶界方法

对一般线性比式和问题(P)提出了一种全局优化算法,此方法利用拉格朗日对偶中的弱对偶定理建立原问题(P)的线性松弛规划,运用分枝定界方法只需解一系列线性问题。从理论上证明了算法能收敛到线性比式和问题的全局最优解。数值计算结果表明提出的方法是可行的。     

基于改进型蚁群算法的图像分割系统研究

提出了一种基于改进蚁群算法的图像分割算法,该算法利用蚁群算法在约束区域内搜索最佳路径.通过构造代价函数、解空间、信息素模型和启发式信息,将图像边缘检测问题(即图像分割问题)转化为蚁群搜索问题.实验结果表明,与现有方法相比,改进后的蚁群算法在3种图像分割指标以及与手工标注对比方面具有较好的性能.     

求解最小交通费用路线问题完善的状态定义

详细探讨了在最小交通费用问题中的代价树广度优先搜索，指出在不完善状态描述下必将影响最优解的正确性，同时给出了相应方法用于避免非最优解。     

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。     

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。     

矩阵链乘积最优计算次序问题的算法及其复杂性分析

本文描述了矩阵链乘积最优计算次序问题，分析了问题最优解的结构，给出了解决问题的几种常用的算法，包括穷举搜索法、直接递归算法、动态规划算法和备忘录方法，并对几种算法的时间复杂性和空间复杂性作了分析。最后对几种算法的效率进行了对比和总结。     

基于博弈论的启发式搜索算法的改进研究

基于博弈理论提出了一种路径搜索问题的优化算法,将路径搜索问题的搜索空间映射为博弈的策略组合空间,而路径搜索问题的目标函数映射为博弈的效用函数,通过遍历博弈支持集搜索纳什均衡解,并利用启发思想根据博弈的结构制定搜索策略,以期望用最小的代价减少搜索节点数、提高应用系统的性能及效率。