摘要
本文基于充分利用问题本身提供的与迭代过程积累的信息,仿照复形法的框架,提出了一种算法,它由如下部份组成:(1)进行全局单调性分析,对优化模型预处理,使之最大程度地等价简化,(2)利用随机生成或数论中佳格点布置,在可行域上生成初始多面体,(3)根据多面体顶点的座标与目标值,计算加权形心构造下降方向,(4)进行单调性分析,确定搜索步长,获得新的下降可行点,重组多面体,逐步逼近最优点,(5)后期结合采用由最优性准则建立的递推式,进行搜索迭代,以加速向最优点逼近。现着重介绍(3)～(5)。一、加权形心确定搜索方向复形法中形心的确定只使用了多面体顶点的座标信息,如能将顶点的目标值作为“权”引入,将会有利些。
