实现航班计划优化的动态规划模型

从航班效益分析出发，建立一个在一定的经营时间、航行班次条件下航线贡献最大化的含有随机变量的动态规划模型；求解方法是先用Monte Carlo方法计算机仿真，确定随机变量的值，然后把模型转化为非线性的整数规划。再用动态规划中资源分配算法求出模型的最优解，编排最优各航线规划。     

求解一类二层非线性规划问题的全局优化方法

根据模拟退火算法能够有效地求非凸数学规划全局最优解的特点,对一类二层非线性规划问题的上、下层问题求解,并根据二层规划的特点,给出了求解一类二层非线性规划问题全局最优解的有效算法。该算法思路清晰,易于在计算机上实现。     

一个求解全局最优解的改进函数变换法

给出了一个求解非线性规划全局最优问题的含单参数改进的函数变换方法。给出了改进的辅助函数的定义。讨论了所构造的辅助函数的几个性质,并按照其理论性质设计了一个求解连续的非线性规划全局最优解的函数变换算法,并对几个经典的算例进行了数值试验。数值试验结果表明,所给的方法对解决非线性规划全局最优问题是有效和可信的。     

两类动态规划问题的Mathematica求解

阐述了动态规划数学建模的基本步骤和动态规划数学模型的基本要素，并分析了求解动态规划数学模型的两类基本算法。通过若干算例，用基于Mathematica软件实现了这两类基本算法。     

求解单二次约束非凸二次规划问题的全局最优DC算法

针对单二次约束的非凸二次规划问题,首先提出一种DC算法,并证明了该算法收敛到问题的Karush-Kuhn-Tucker(KKT)点;其次利用KKT点提出了寻找新的初始可行点的方法;最后结合此方法,设计了一个求单二次约束非凸二次规划问题全局最优解的DC算法.数值结果表明,该全局算法能有效找到大规模单二次约束非凸二次规划问...     

基于交通流量预测的动态最优路径规划研究

针对传统算法仅适用静态路况的缺点,提出基于交通流量预测的动态最优路径规划方法.通过建立道路运营网络模型,计算流量碰撞概率和道路拥堵概率,重新定义路段的权值并改进了传统算法,实现了动态路况下的最优路径规划,并对传统算法与改进算法进行仿真实验,得到3种实验结果.结果表明,改进算法在交通高峰期得到的最优路径所需行驶时间比传统算法得到的最优路径行驶时间减少16%～23%,有效提高了交通调度效率.     

基于神经动态规划算法的最优路径选择

针对传统动态规划算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,引入了一种神经动态规划算法：它将传统的动态规划和BP神经网络结合起来,通过逼近Q学习算法来寻求一种最优策略,最终达到路径优化的目的。将此算法应用于一个交通路网,且用Matlab软件进行仿真,试验表明：该方法的实时性、并行性和全局性都优于传统动态规划,在城市交通流系统中能切实起到路径诱导的作用。     

利用一种改进的模拟退火算法求解多目标规划问题

提出了一种求解多目标规划问题的改进模拟退火算法。该算法基于多目标规划的Pareto最优解特征提出了一种新的能量差计算方法,并利用外部存档储存每一代产生的Pareto最优解,通过预设迭代次数,使近似Pareto最优解不断逼近精确最优解。最后,通过数值实验验证算法的可行性和有效性。     

求解最短路径问题的DNA动态规划算法

最短路径问题是一个组合优化问题,许多交通运输、工程、管理等实际问题可转化为最短路径问题进行求解。文中利用DNA计算的并行计算模式,给出一个求解最短路径问题的DNA动态规划算法,该算法最多需要7n-11个生物操作。     

非参数变换和改进动态规划的立体匹配算法

针对传统稠密立体匹配方法在非纹理区、深度不连续处和遮挡处存在错误匹配率过高的问题,提出一种基于非参数变换和改进动态规划相结合的立体匹配算法.采用稀疏非参数变换相关方法计算初始局部匹配代价,并利用行列双向约束动态规划算法对匹配代价进行全局优化,在获取初始视差后分别对原始图像每一像素点进行可信性与纹理性检测,最后利用视差平面拟合结果代替非纹理与非可信区域像素点的原始视差,得到稠密视差图.实验表明,该算法具有较高的鲁棒性与匹配精度,尤其在处理图像的非纹理区、深度不连续处和遮挡处,可获得精确的匹配结果.     

动态多目标无功/电压规划的Pareto最优集的求取

动态多目标无功/电压规划问题是一个复杂的多目标非线性优化问题。广泛使用的先评价方法通常只能得到这一问题的单一解,并且在确定各目标间的权重关系时难以给出统一的标准,因而不利于作为实际控制的参考。该文通过创建该问题的多目标数学模型,将动作次数限制归纳为优化目标之一,并应用改进的非支配遗传算法(NSGA-II),实现了动态多目标无功优化问题的Pareto近似最优集的求解。通过IEEE14、30节点电网模型及实际电网模型的计算,验证了该方法的有效性。     

离散型动态规划模型的知识表示及其IBFS算法研究

针对运筹学模型表示中存在的问题，本文以离散型动态规划模型为研究对象，从解决动态模型的知识表示与基于知识的推理机制入手，通过剖析动态规划问题的决策过程及其状态演变特征，运用人工智能状态空间理论，将动态规划模型的求解转化为状态空间图中最佳路径的搜索，提出了以六元组Ｍ＝（Ｉ，Ｇ，Ｏ，Ｔ，Ｄ，Ｓ）表示离散型动态规划模型的知识表示方法－ＩＧＯＴＤＳ表示法；并引入最优评价函数，研究了基于状态空间图的求解离散型动态规划模型ＩＢＦＳ搜索算法．本文的工作有利于促进并深化运筹学应用的知识化、智能化研究．     

最佳阵容问题的动态规划解法

建立女子体操团体赛最佳阵容问题的0-1规划模型,探索模型的求解方法.针对该模型的特点,在对其进行一些简单变换后可化为动态规划来求解.利用该方法得到最佳阵容问题的解,并将模型推广到更一般的情形,且提出的动态规划解法仍然适用.     

多目标规划αr-有效解和αr-最优解的充要条件与求解方法

对于有限维Euclid空间中的αr－序类，文[4]讨论了其若干性质，在此基础上文[3]引进了多目标规划αr－有效解和αr－最优解的概念，本文讨论了这些解的一些性质，得到几个充要条件并讨论了求解的方法。     

基于动态规划优化传感器网络寿命的算法

根据多跳无线传感器网络的特点,为了优化网络中节点的生存时间,提出了一种求解无线传感器网络寿命Pareto最优的集中式算法.熵是系统平均程度的度量,通过证明最大熵函数与传感器网络寿命Pareto最优的等价关系,建立了求解传感器网络最大熵函数的动态规划模型,将复杂的多目标线性规划问题转换成单目标动态规划问题.理论分析和仿真研究结果表明,新算法能够快速有效地获得网络寿命的Pareto最优解,达到了优化传感器网络寿命的目的,提高了系统的可实现性并降低了计算复杂度.