一种基于再开始技术求解无约束优化问题的共轭梯度法

共扼梯度法在精确线搜索下具有有限步终止性，但对一般连续可微目标函数，这一性质很难保证。利用再开始技术保证搜索方向的下降，并在此基础上探讨了一类求解无约束优化问题minfx∈R^n（x）（f（x）：R^n→R为连续可微函数）的共轭梯度法，最后证明了算法的收敛性。     

线性二层规划扩展KT方法研究

为了更好地解决上层带有任意线性约束的线性二层规划问题,Shi Chenggen提出了能够求解更广泛线性二层规划问题的扩展KT方法。具体介绍了求解线性二层规划的原KT方法以及扩展KT方法,同时给出了一个用扩展KT方法和用原KT方法可以得到不同最优解的算例。算例结果表明,对有些线性二层规划问题,扩展KT方法能够得到与原KT方法不同的最优解。提出了2种KT方法的等价性条件。算例结果证实了上述等价性条件的正确性。     

一种新的自适应混沌粒子群算法

提出了一种新的自适应混沌粒子群算法。在标准粒子群算法中引入An混沌映射,以特殊的方式,利用An混沌映射来初始化粒子的位置和速度,并且每隔一定的代数就用An混沌扰动部分粒子的位置和速度。数值仿真的结果表明,该算法的收敛性和全局搜索能力得到提高,能有效避免早熟收敛。     

求解二层线性规划问题的交互式人工蜂群算法

基于人工蜂群算法提出了一种求解二层线性规划问题的交互式人工蜂群算法,即将求解二层规划问题转化为交互求解下层单目标规划问题和上层单目标规划问题。数值试验表明,该算法能够在较短的时间内得到问题的近似最优解,说明该算法是一种求解二层线性规划问题的有效方法。     

一种求解线性二层多目标规划的粒子群优化方法

粒子群算法是一种新兴的优化技术。由于粒子群算法实现简单,可调参数少,已得到广泛研究和应用。根据粒子群算法能够有效获得不可微多目标规划Pareto最优解的特点,设计了线性二层多目标规划的粒子群算法:采用以下层问题的K-T最优性条件代替下层问题的思想,将线性二层多目标规划转化为带互补约束的不可微多目标规划问题,然后对所得到的不可微多目标规划问题设计粒子群算法,从而得到线性二层多目标规划问题的Pareto最优解。数值结果表明所设计的算法是可行、有效的。     

求解线性二层规划的一种全局优化方法

以下层问题的KT最优性条件代替下层问题,同时取互补条件为罚项,将线性二层规划转化为带线性互补约束条件的单层优化问题。通过分析单层优化问题与线性二层规划问题之间的关系,将线性二层规划等价地转化为有限个线性规划,通过求解有限个线性规划问题,就得到了线性二层规划问题的最优解。该方法不但能够得到线性二层规划问题的全局最优解,而且还简化了最优解判别条件。     

线性半向量二层规划问题乐观最优解的极点检验方法

针对线性半向量二层规划问题的特殊结构,首先采用标量化技术将上述线性半向量二层规划问题转化为一般的二层单目标规划问题,然后采用以下层问题的Kuhn-Tucker最优性条件代替原问题的方法将其转化为含互补约束的优化问题,并取互补约束为罚项,构造相应的罚问题,同时分析罚问题最优解的性质,最后基于罚问题最优解的性质设计了线性半向量二层规划问题"乐观最优解"的极点检验方法。     

一种求解非线性二层规划的粒子群算法

基于下层问题的K-T最优性条件和罚函数法，结合粒子群算法提出了一种求解非线性二层规划问题的粒子群算法。数值计算结果表明，该算法可以有效地求解非线性二层规划问题。     

矩阵特征值和特征向量的常微分方程数值解法研究

介绍了矩阵的特征值与特征向量以及常微分方程的相关概念,利用神经网络方法建立了求解矩阵特征值和特征向量的神经网络模型,并运用常微分方程数值解法——四阶龙格-库塔方法进行了求解,分析了矩阵特征值与特征向量的计算与常微分方程数值解之间的关系。