非线性整数二层规划的一种算法

对上、下层均是整数变量的一类二层规划给出了一种算法,其特点是不受下层约束个数的限制,总可以求得最优解,并用算例说明了该算法的可行性和有效性。最后,指出Rong-Hong Jan和Maw-Sheng Chem文中的一个错误。     

搜索全局最优解的一种混合遗传算法

针对遗传算法求解多值函数极值的缺点，本提出一种混合遗传算法，基本思想为通过某种方法获得初始种群，然后在遗传过程中逐步修改适应值函数，以提高其搜索速度和精度。经实例仿真，效果良好。     

求解非线性互补问题的混合遗传算法

提出一个求解非线性互补问题的混合遗传算法,即首先将非线性互补问题转化为等价的最优化问题,然后利用浮点遗传算法全局群体搜索能力及起始搜索速度快的特点,快速得到接近精确解的近似解。之后将其作为牛顿法或拟牛顿法的初始值,利用其局部寻优能力非常强的特点,快速迭代至满足精度要求的数值解。该混合遗传算法充分利用了浮点遗传算法和（拟）牛顿法的各自优点。数值结果表明该方法是有效的。     

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。     

多面体上二次规划及其单纯形算法

多面体上二次规划是一类特殊的非线性规划，对其取得最大值及最小值的规律进行了分析，概括出了类似线性规划的一些性质特征。最后，采用单纯形法表求解解二次规划。     

线性—二次二层规划问题的性质及全局算法

二层规划是一类重要的优化问题．该文先给出线性－二次二层规划问题的性质,提出求解它的有效的全局算法,指出了算法的有限终止性．结果表明算法是可行的．     

两种线性二层规划最优解定义的探讨

为了更好地解决上层带有任意线性约束形式的线性二层规划问题,Chenggen Shi提出了有关线性二层规划解的新定义.本文对Chenggen Shi提出的线性二层规划解的定义与原线性二层规划解的定义之间的关系进行了分析.给出的一个算例表明,对同一个线性二层规划问题,两种最优解定义有可能得到不同的结果,进而提出了两种线性二层规划最优解定义的等价性条件.     

一种基于混合遗传算法学习的过程神经网络

提出了过程神经网络的一种学习算法.利用基函数的正交性,将输入函数和网络权函数表示为同一组正交基的展开形式后,使用遗传算法与BP算法结合的混合遗传算法训练过程神经网络,为简化计算,对权值基函数的选取和离散数据的函数拟合方法进行了调整,减少了误差.并以木材生长密度预测为例,验证了算法的有效性.     

非线性回归的一种方法

对实际科学研究中常遇到不可线性处理的非线性回归问题,提出了一种新的解决方法。该方法是基于回归问题的最小二乘法,在求误差平方和最小的极值问题上,应用了最优化方法中对无约束极值问题的一种数学解法——单纯形法。应用结果证明,这种非线性回归的方法算法比较简单,收敛效果和收敛速度都比较理想。     

凸二次规划带仿射变换的梯度投影算法

对二次规划提出了一种新的内点算法－带仿射变换的梯度投影法，并着重研究了该算法的收敛性，得到了一些重要的结果。     

一类特殊的非线性双层规划问题及其遗传算法

利用Karush-Kuhn-Tucker条件,将下层为凸规划的非线性双层规划转化为一个单层规划问题.为了提高遗传算法求解该问题的效率,利用对线性不等式约束添加松弛项和计算非线性约束边界点的方法,给出了一种新的约束处理方法;通过构造一个辅助线性模型降低了搜索空间的维数;结合算法产生的最优个体,设计了一个有助于改善个体适应度的杂交算子.     

求解混合整数双层规划问题的遗传算法

讨论了两类非线性混合整数双层规划问题。第一类问题的下层为不含整数变量的凸规划;第二类问题的下层包含整数变量,但下层函数关于下层整数变量是多项式,而关于下层连续型变量是线性的。针对这类问题提出了一个新的遗传算法。该算法利用单纯形调优法的思想设计了一个新的杂交算子,使杂交个体与种群中好的个体组杂交,以产生好的杂交后代。数据仿真表明新设计的单纯形杂交算子比传统杂交算子更有效。     

二层线性规划问题的全局收敛算法

基于单纯形法提出了一种具有全局收敛性质的算法来求解该问题.在该方法中,用下层的Kuhn-Tucker条件代替下层问题,将原二层线性规划转化为传统的单层规划问题.之后利用下层规划对偶问题可行域的顶点将该单层规划转化为一系列线性规划问题,从而用单纯形法来求解这些线性规划来得到原二层线性规划问题的解.最后,用实例验证了该方法的可行性.     

求解双层线性规划的优化算法

利用对偶理论,将求解双层线性规划问题转化为求解一个与之等价的单层问题,通过求解一系列线性规划问题,提出了一种求解双层线性规划局部最优解的算法,并举例说明了算法的求解过程。     

混沌优化算法在非线性约束规划问题中的应用

综述了混沌优化算法在国内的研究历史与现状 ,介绍了算法的基本步骤 .针对非线性约束问题 ,提出了一种新的、可行的混沌优化算法 .实例计算表明 ,该算法稳定性好、简单、易于掌握 ,对于多维、非线性、复杂约束问题的求解具有普适性     

基于下降搜索的混合遗传算法

针对基本遗传算法局部搜索能力不强的问题,提出一种将下降搜索与遗传算法相结合的混合遗传算法,其中下降搜索的优化方向利用每一代中最劣个体所包含的优化信息获得.数值计算表明,该混合算法可加速算法的收敛,具有良好的优化性能和函数适应能力.     

一种基于混合遗传算法的超分辨图像重构方法

针对在航空航天遥感领域,CCD相机在对景物进行成像时,由于像元尺寸的限制,得到的图像分辨率低的问题,提出了采用混合遗传算法求解高分辨图像最优估计的方法．在相机参数已知的情况下用嵌入梯度算子的混合遗传算法从9帧由不同角度对同一景物重复拍照得到的低分辨率图像重构出1幅超分辨率图像．在模拟成像仿真实验中得到了分辨率提高4倍,信噪比优于共轭梯度方法的超分辨结果．     

工程结构优化设计的改进混合遗传算法

根据工程实际以及规范规定的约束条件和各项技术标准要求,建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现的未成熟收敛、振荡、随机性太大和迭代过程缓慢等问题,采用一种新的遗传算子即单亲遗传算子对遗传算法进行了改进,并提出了离散变量结构优化设计的三等分割算法与遗传算法相结合的混合遗传算法。优化设计结果表明:改进混合遗传算法的收敛特性得到了很好的改善,既具有三等分割算法省时、高效、局部搜索能力强的特点,又具有遗传算法全局性好的特点,是高效、理想的工程结构优化设计方法。