A new heuristic algorithm for general integer linear programming problems

A new heuristic algorithm is proposed for solving general integer linear programming problems. In the algorithm, the objective function hyperplane is used as a cutting plane, and then by introducing a special set of assistant sets, an efficient heuristic search for the solution to the integer linear program is carried out in the sets on the objective function hyperplane. A simple numerical example shows that the algorithm is efficient for some problems, and therefore, of practical interest.

基于凹性割的线性双层规划全局优化算法

通过对线性双层规划下层问题对偶间隙的讨论,定义了一种凹性割,利用该凹性割的性质,给出了一个求解线性双层规划的割平面算法。由于线性双层规划全局最优解可在其约束域的极点上达到,提出的算法能求得问题的全局最优解,并通过一个算例说明了算法的有效性。

虚警率约束的联合弱分类器集成学习算法

提出一种联合弱分类器集成学习算法。借鉴Adaboost方法采用弱分类器构建强分类器的思想,联合多个弱分类器构建特征分类的得分函数,生成一个集成分类器。在分类器训练时,采用ROC曲线围成的AUC面积值构建目标函数,加入虚警率上下限约束条件,采用列生成算法学习弱分类器,采用割平面法学习弱分类器的系数。在PASCAL VOC-2007数据集上进行目标检测实验,实验结果表明,与常用的支持向量机、Adaboost、随机森林和卷积神经网络分类方法相比,该方法的假正率指标低,真正率指标高。

带有一个余凸约束的凹极小

针对在线性约束加一个余凸约束的条件下，求拟凹函数的全局极小问题，提出一个先构造包含整个可行域的单纯形，然后在目标函数值最小的极点附近逐步予以修正，使之局部重合于可行域的凸包，而得到问题的全局最优解。算法采用分枝和割平面相结合的技巧，对于凡能计算函数值的拟凹函数和凸约束函数，算法就易于执行，并具有有限步终止的收敛性质。由于算法仅在目标函数小的局部搜寻可行域的极点，故当变量及约束个数较大时，计算量远小于极点排序法。

基于非凸上界的ranking模型构造算法

现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型,得到的模型不够精确.为此,文中提出一种基于非凸上界的ranking算法.该算法首先给出一个基于多类支持向量机(SVM)的框架,然后定义面向NDCG的目标函数,在此基础上设计一个比现有的凸上界更为紧凑的非凸上界逼近原目标函数;针对上界函数的非凸非光滑,提出使用凹-凸过程进行凸逼近,并采用割平面算法进行求解;最后,通过在基准数据集上的实验对该算法进行验证,并与现有算法进行对比.结果表明,相比现有的基于凸上界的ranking算法,文中算法得到的模型不但更为精确,而且更加稳定.

基于一种新的γ-扩张凹极小化问题的割平面算法

首先,介绍凹极小化问题的有关内容及割平面算法的思想.然后,给出一种变上限函数积分法,并利用该积分法来求解凹极小化过程中γ-扩张的γ数.新算法在有限步内得到原问题的一个近似最优解,且算法的近似最优解为全局最优解.最后,通过数值试验证明了新算法是可行有效的。