一类区间系数线性双层规划问题的遗传算法

针对一类上层目标函数带区间系数的线性双层规划问题,提出了一种基于双适应度函数评估的遗传算法(GA)。该算法的特点是在一次运算中同时获得最好最优解和最差最优解。首先,利用双层规划约束域的顶点进行个体编码,以上层目标函数中系数的上下端点构造两个适应度函数;其次,利用适应度函数排序种群中的个体,并按从好到差的次序验证个体的下层最优性,直到找到一个可行个体;最后,在算法运行中更新找到的可行个体。通过对4个算例的仿真实验,表明算法是可行且有效的。     

一类区间系数线性双层规划问题的遗传算法

针对一类上层目标函数带区间系数的线性双层规划问题,提出了一种基于双适应度函数评估的遗传算法(GA)。该算法的特点是在一次运算中同时获得最好最优解和最差最优解。首先,利用双层规划约束域的顶点进行个体编码,以上层目标函数中系数的上下端点构造两个适应度函数;其次,利用适应度函数排序种群中的个体,并按从好到差的次序验证个体的下层最优性,直到找到一个可行个体;最后,在算法运行中更新找到的可行个体。通过对4个算例的仿真实验,表明算法是可行且有效的。     

一类区间系数二次双层规划问题的遗传算法

针对上下层均含区间系数的二次双层规划,提出了一种基于两个适应度评估的遗传算法。将下层目标系数区间作为遗传算法的搜索空间,对于每一个确定的个体,下层问题不含区间系数;利用二次规划的最优性条件,将个体所对应的问题转化为两个确定的二次规划;利用基枚举方法求解这两个二次规划问题,相应的最优值作为个体的两个适应度。算法通过两个适应度的比较,获得问题的最好最优解和最差最优解。数值仿真结果表明,该算法是可行有效的。     

多下层分式双层规划问题的改进遗传算法

针对一类具有多个线性下层问题的分式双层规划, 提出一种基于新编码方式的遗传算法。 首先,利用对偶理论,将问题化为单层非线性规划;接着,利用下层对偶问题的可行基编码,针对任意编码个体,解出对偶变量值,使得单层规划变为线性分式规划;最后,求解产生的线性分式规划,其目标值作为个体的适应度值。 这种编码方式及适应度的计算有效提高了遗传算法的效率。 通过对4个算例的计算,验证了算法的有效性。     

一个基于插值的解非线性双层规划的遗传算法

非线性双层规划问题是一类递阶优化问题,相关的算法往往需要对每一个上层变量值求一个下层优化问题才能得到一个可行点,这使得算法的计算量很大.目前文献中的算法通常都是基于对每个确定的上层变量,下层最优解唯一的条件,这就意味着每个下层变量的分量都可以看成是上层变量的函数.基于这个思想,同时为了避免频繁计算下层优化问题,文中提出了一种新的方法.这种方法与已有方法的主要不同之处在于,它不需频繁求解下层规划,而是用插值函数近似下层最优解函数.其主要思想如下:首先,取一些上层变量值作为插值节点,计算它们对应的下层问题的最优解,这些最优解的第i个分量作为第i个插值函数的函数值,利用这些节点和函数值计算插值函数;其次,将插值函数代入上层问题,得到一个近似原问题的单层规划;最后用一个新的遗传算法求解该单层规划.由于插值节点和相应的插值函数在进化过程中自适应修正和更新,这样可使得该单层规划问题的最优解逐步逼近原问题的最优解,并且可减少计算量.对25个测试问题的仿真结果表明,该文所提出的算法能以较少的计算量找到这些问题的最好解.     

求解一类特殊的双层规划问题的遗传算法

主要研究上层函数及其约束函数不要求具有凸性和可微性,下层是关于下层决策变量是凸二次规划的双层规划模型,通过Karush-Kuhn-Tucher 条件转化为一个单层规划,利用下层是正定二次规划,将下层的决策变量表示为关于 Lagrangian乘子的表达式,从而降低了搜索空间的维数,设计了遗传算法,并通过数值实验表明该遗传算非常有效。     

考虑区间约束的物流网络双层规划模型及算法

考虑物流网络需求的不确定性,利用区间参数度量不确定性变量与参数,建立区间需求模式下的物流网络双层规划模型,设计了一种含区间参数与变量的递阶优化遗传算法,通过定义问题求解的风险系数与最大决策偏差,给出适合物流网络结构的区间运算准则,实现模型的确定性转化。以区间松弛变量与0-1决策变量定义初始种群,通过两阶遗传操作运算,求解不同情景下双层规划目标的区间最优解与节点决策方案。算例测试表明算法求解的可操作性更强,求解结果具有区间最优解与情景决策的优越性。     

基于近似技术的双层规划进化算法

双层规划涉及上层和下层两个最优化问题,上层规划问题的约束域由下层规划问题隐式确定,双层优化以上层目标为主,而下层目标在下层变量方面必须达到最优。双层规划问题的递阶结构使其具有很高的计算复杂度,特别是频繁计算下层问题会累计很大的计算量。为了有效求解这类问题,提出一种基于近似技术的进化算法。首先,采取多种群协同进化,分别利用交叉和变异算子平衡算法的开采和勘探能力;其次,基于灵敏度分析理论,设计了新个体的近似评价方式以减少算法的下层求解次数。一个算例的近似效果演示结果表明,由近似技术得到的近似后代个体与精确后代个体的位置大部分是重合的。除此之外,在10个常用算例上的结果显示,所提算法比多值映射算法获得了更好的最优解;并且根据CPU时间比较,说明近似技术有效地提高了找到最优解的速度,减少了运行时间,验证了所提算法采取的近似技术的有效性。     

区间直觉模糊动态规划方法

基于直觉模糊集理论的思想与方法,探讨多阶段决策问题．运用分析技巧,构建直觉模糊集比较可能度公式及区间直觉模糊集比较可能度公式．在普通动态规划的基础上,提出区间直觉模糊动态规划及其最优解的概念,建立相应的数学模型及其最优解的算法,并指出直觉模糊动态规划是区间直觉模糊动态规划的特例．通过算例分析,说明了算法的合理性和可行性．为不确定动态规划和直觉模糊集理论的应用研究提供了新的思路．     

基于满意度和GA的区间系数多目标规划求解*

在缺乏先验知识的前提下,提出了约束条件的一种满意度,按照遗传算法求解多目标问题的步骤,求出非劣解集;然后根据适应度大小选出最优解;最后算例证明了该算法的有效性和可行性。     

Method for solving nonlinear goal programming with interval coefficients using genetic algorithm

Traditional formulations on reliability optimization problems have assumed that the coefficients of models are known as fixed quantities and reliability design problem is treated as deterministic optimization problems. Because that the optimal design of system reliability is resolved in the same stage of overall system design, model coefficients are highly uncertainty and imprecision during design phase and it is usually very difficult to determine the precise values for them. However, these coefficients can be roughly given as the intervals of confidence.

In this paper, we formulated reliability optimization problem as nonlinear goal programming with interval coefficients and develop a genetic algorithm to solve it. The key point is how to evaluate each solution with interval data. We give a new definition on deviation variables which take interval relation into account. Numerical example is given to demonstrate the efficiency of the proposed approach.     

Globally convergent homotopy algorithm for solving the KKT systems to the principal-agent bilevel programming

In this paper, a constraint set swelling homotopy (CSSH) algorithm for solving the single-level non-convex programming problem with designing piecewise linear contractual function which is equivalent to the principal-agent model with integral operator is proposed, and the existence and global convergence is proven under some mild conditions. As a comparison, a piecewise constant contract is also designed for solving the single-level non-convex programming problem with the corresponding discrete distributions. And some numerical tests are done by the proposed homotopy algorithm as well as by using fmincon in Matlab, LOQO and MINOS. The numerical results show that the CSSH algorithm is robust, feasible and effective.     

A neural network approach for solving nonlinear bilevel programming problem

A neural network model is presented for solving nonlinear bilevel programming problem, which is a NP-hard problem. The proposed neural network is proved to be Lyapunov stable and capable of generating approximal optimal solution to the nonlinear bilevel programming problem. The asymptotic properties of the neural network are analyzed and the condition for asymptotic stability, solution feasibility and solution optimality are derived. The transient behavior of the neural network is simulated and the validity of the network is verified with numerical examples.     

A method for interval 0–1 nonlinear programming problem using a genetic algorithm

In this paper, we formulate an optimal design problem of system reliability as a nonlinear integer programming problem with interval coefficients, transform it into a bicriteria 0–1 nonlinear programming problem without interval coefficients, and solve it directly using GA with holding nonlinear objective functions. Also, we demonstrate the efficiency of this method with a numerical example.     

一类非凸优化问题的遗传算法

线性二层规划是一类特殊的非凸优化问题,为了有效求解该问题,提出了一种基于单纯形方法的遗传算法。首先基于下层约束给出了一种新的编码方法;其次利用单纯形表的信息得到了下层问题的解函数,并结合最优性条件给出了适应度函数;最后基于个体编码的特点,设计了新的遗传算子。数值结果表明,所提出的算法是可行有效的。     

一类二层规划问题的区间算法

讨论下层规划问题以最优值反应到上层的二层规划问题的数值解法,其中目标函数和约束函数均为Lipschitz连续函数,构造了二层规划问题目标函数的区间扩张和无解区域删除检验原则,建立了求解二层规划问题的区间算法,并进行了数值实验。理论证明和数值实验均表明算法是可靠和有效的。