一类双线性规划的线性逼近算法

讨论了一类双线性规划的优化问题，利用对偶原理，将双线性规划问题转化为极大极小问题，研究了该极大极小问题的线性逼近算法，并证明了该算法在有限步内收敛，采用Karmarkar算法优化初始迭代点，使线性逼近算法更为有效。     

适于前馈神经网络的LM-QuasiNewton综合学习新方法

为实时解决神经网络学习过程中可能遇到的大残量时的收敛问题，将LM算法与Quasi Newton优化算法结合，构建了一种综合学习算法(LM-QuasiNewton算法)．仿真算例表明，该算法较好地解决了残量问题，收敛性与稳定性优于其它权值算法．合学习算法．仿真实例表明，该算法较好地解决了残量问题，在收敛性与稳定性方面优于其它权值算法。     

线性规划问题的初始解与线性不等式组的相容性

本给出了一个求解线性规划问题初始解的算法，该算法是将作原算法稍中修改而成，与原算法配套组合，即构成一个完整的求解一般线性规划问题的强多项式算法。本给出的算法同时是判别线性不等式相容性的一个方法。     

域约束优化问题的普适免疫进化算法

在免疫进化算法的基础上，针对域约束优化问题，提出了一种普适算法．通过区间变换，该算法在保证所产生的个体分量均能满足相应的区间约束的同时，消除了参数设置的随意性，不仅提高了计算效率，而且增强了算法的统一性，克服了其它进化算法采用罚函数处理域约束问题的不足．多峰函数优化和遗传算法欺骗问题的测试结果表明：与采用罚函数处理域约束问题的免疫进化算法相比，普适算法不仅易于编程，而且能以更快的速度稳健地收敛到全局最优解．     

非线性约束条件下的广义投影梯度法

对非线性约束条件下的优化问题提出了三个广义投影梯度方法，算法Ａ能够求解非线性不等式约束优化问题，在此基础上，又提出了能够求解非线性等式和不等式约束优化问题的算法Ｂ．进一步，通过简化算法Ａ，又给出了能够专门求解一般线性约束优化问题的算法Ｃ．并且在较弱的假设下，证明了三个方法的全局收敛性。     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法，它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用，但存在收敛较慢问题．笔者在文中简述了BP算法原理，针对BP算法的收敛性问题，提出了几点改进措施。     

一种改进的遗传模拟退火算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，针对遗传算法GA和模拟退火算法SA的优缺点，提出了一种混合遗传模拟退火算法MGASA．并将该算法应用于求解多QoS约束的多播路由选择问题，经仿真实验验证，MGASA算法优于普通的GA和SA算法．     

求简单有向图所有基本回路的强核图论算法

求系统动力学模型的所有反馈环等价于求对应的简单有向图的所有基本回路，其核心问题是算法的时间复杂度，针对这一问题，提出强核的概念，基于强核概念设计了求简单有向图所有基本回路的算法，给出相应算例，并分析了算法复杂性．在时间复杂度上，本算法优于基于核概念的有向图的行列式算法。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

求解TSP和MTSP的混合遗传算法

许多应用涉及多推销员问题（MTSP），已有许多启发式算法求解TSP的最优或近似最优路线，但研究MTSP的算法并不多，结合启发式算法和遗传算法，设计了求解TSP和MTSP的混合遗传算法，数字实例说明了该算法的有效性。     

一种非线性互补问题的不可行非内点连续算法

基于Chen-Harker-Kanzow-Smale光滑函数，针对单调非线性互补问题给出了一种不可行非内点连续算法－－预估校正算法，并在适当的假设条件下，证明了算法具有全局收敛性和局部二次收敛性，从而为单调非线性互补问题的计算提供了一种新的有效算法。     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ算法是求解大规模任意目标函数优化问题的强有力工具，二者各有优势，又都存在不足，本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ算法自身的优势与不足，提出一种将二者混合使用的求解网络优化问题的算法。这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ算法应用于实际的网络设计问题，最后用香港２００６规划数据进行实例研究。     

判断折线自相交的快速算法

折线自相交是空间数据处理中的一个重要问题，针对常规算法运算速度方面的弱势，提出了基于计算机几何的单调链和改进的平行扫描算法的一个新算法，该算法在速度方面较原算法有很大提高。     

约束非线性问题整体包络的无约束解法研究

提出了约束非线性规划问题的一种新算法：将目标函数与所有约束函数包络成一个无约束问题求解，这一系列无约束解最终迈近原问题的最优解。文中介绍了包络函效的数学特点及算法等价性，讨论了与一般系列无约束算法的区别，包络过程中，目标函数与约束函数之间的“射线步”调整，以及用单调性分析技术挑选被包络的约束，明显地提高了算法的稳定性。几个有代表性的算例表明，这种算法适应性强，步骤简便，容易实现。     

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上，建立了该问题的优化数学模型，并通过设置与发货点距离为零的虚拟集货点使问题简化．在此基础上，构造了求解问题的改进遗传算法．在算法中，结合问题的特点设计了确保个体编码有效性的OX交叉算子，并采用基于Metropolis判别准则的复制算子，确保个体多样性和避免算法过早收敛．算例表明算法有效可行．     

考虑碳排放的两阶段选址-路径问题及其算法

为减少物流车辆的碳排放，基于以排放因子为主要参数的碳排放计算方法，建立以碳排放最小化为目标的两阶段选址-路线问题（2E-LRP）模型，并设计了一种可用于快速求解大规模问题的两阶段混合算法（TSHA）.算法第一阶段将2E-LRP转化成不考虑车辆路径的两阶段设施选址问题，调用Cplex直接求解得到配送中心选址和客户分配方案；在此基础上，算法第二阶段中，物流园区到被选用的配送中心以及配送中心到所分配客户的车辆路径问题被进一步转化成若干个独立的VRP (vehicle routing problem)问题，再运用改进的蚁群算法进行求解；最后，对Prodhon标准算例集中全部6个最大规模的算例进行测试.研究结果表明：与TSHA具有相同算法思想的TSHA-Ⅱ算法能够在求解质量下降2.3%的情况下将计算时长大大缩短至25 s左右；TSHA算法在求解考虑碳排放的2E-LRP算例时表现非常稳定，可以作为一种求解考虑碳排放2E-LRP的有效算法.     

求解连续平衡网络设计问题近似解的启发式算法

采用双层模型描述连续平衡网络设计问题，设计了求解问题近似解的启发式求解算法，并给出了一个简单的算例。本算法使用不需求导数的简单的求解方法，通过和以前的几种求解算法相比较，计算结果准确，但相应的计算量增加。     

零担货物序贯装箱优化问题的遗传模拟退火算法

从缩小搜索区域，增强算法的收敛性以及缩短计算时间的角度出发，提出将模拟退火思想引入遗传算法，应用遗传模拟退火算法（GSAA）求解零担货物在集装箱中的序贯装箱优化问题，阐明了该算法的具体实现过程，包括问题编码，适应函数值计算，遗传操作，领域选择以及降温方法等内容，并通过实际数值计算表明该算法优于传统的计算方法。     

车间作业调度中基于领域搜索的混合遗传算法

车间作业调度问题是一个NP完全问题，很难用一般的方法解决．遗传算法(GA)作为全局搜索算法广泛应用于各种寻优操作中，并己成为求解车间作业调度问题(JSP)的主要方法，本文针对遗传算法应用的局限性，把领域搜索的思想应用到变异操作中，提出了一种应用于车间调度中基于领域搜索的混合遗传算法，该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和稳定性。     

考虑投资费用的运输问题的求解方法

本文讨论了一类考虑投资费用的运输问题的数学模型，分析了这类模型的特点，并在此基础上，提出了求解此类问题的思路和算法。算例表明，该算法在实际应用中是行之有效的。