有限多类别交通网络的广义Wardrop均衡特征

研究了在一般形式的容量限制g(x)≤0下,有有限多类别用户的交通网络中广义Wardrop均衡的特征.利用映射的单调性质,给出均衡解的稳定性特征(最低广义交通均衡费用对应的路径集合的唯一性及广义交通均衡下通行费用的唯一性).

Banach空间中可数算子族的不动点集和广义混合均衡问题的公共解的强收敛性

在自反Banach空间框架中,提出一类新的收缩投影算法,来逼近一闭Bregman拟渐近非扩张可数算子族的不动点集和广义混合均衡问题的公共解,建立了一闭Bregman拟渐近非扩张可数算子族的不动点集和广义混合均衡问题的公共解的强收敛性结果,并用一数值例子来支撑文中所得的结果.无论算子族从有限个到可数个,还是算子从Bregman相对非扩张到Bregman拟渐近非扩张等方面,均对Jantakarn K和Kaewcharoen A(2021)的结果进行了的拓展和补充.

活动分解和多资源约束下的时间费用均衡问题(TCTP)优化研究

以往的大多数研究假设没有考虑到活动分解和多资源约束对工期和成本的双重影响。基于此,本文构建了一个新的项目调度模型。首次将活动分解、广义优先关系、资源日历、活动持续时间等多种因素一同考虑,利用改进后节点网络图,建立约束规划(constraint programming,CP)优化进行调度研究。通过算例,得到有效的调度结果,验证了该模型的有效性和实用性,可为活动分解下的多资源约束问题在建筑工程或土木工程中提供参考。

一种改进的微分进化算法求解纳什均衡问题与广义纳什均衡问题

博弈分析的目的就是根据博弈规则预测博弈的均衡结果。基于相对占优策略概念的挖掘,改进了一种求解非线性连续博弈的纳什均衡问题(NEP)和广义纳什均衡问题(GNEP)的微分进化算法。该算法操作简单、易于实现,光谱性强,算法复杂度低、精确度高。通过随机选取三个不同位置的父代个体进行变异和交叉操作产生新个体,再根据相对占优策略实现优胜劣汰,既保持了种群多样性,又增强了算法的全局寻优能力。实验表明,该算法可以解决含有一个全局最优解的纳什均衡问题和广义纳什均衡问题,可以处理多维,非凸性等复杂的目标函数,具有一定的广泛适用性。对于NEP,对比当前最先进的算法,该算法只需较少的迭代次数和运行时间;对于GNEP,该算法可以随机选取初始点,不仅可以求得均衡解,效率也优于其它算法,具有高效性。

基于压缩感知追踪算法的低计算量分组稀疏均衡方案

在广义频分复用(Generalized Frequency Division Multiplexing,GFDM)系统中,为了应对复杂的信道带来的符号间干扰,基于信道的稀疏特性,使用广义记忆多项式(Generalized Memory Polynomial,GMP)模型对均衡器输入信号进行非线性建模,进而提出了一种基于压缩感知追踪算法和分组数据模式的低计算量分组稀疏均衡方案。该方案中,为了适应复杂变化的信道,均衡过程中采用了分组数据模式,此外,利用分块矩阵求逆的原理,摒弃了复杂的矩阵求逆运算,在每步的循环中使用矩阵乘法进行迭代计算的方式对正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法及双正交匹配追踪(Double OMP,DOMP)算法进行了改进。仿真结果表明,此分组数据模式有效地改善了均衡效果,同时提出的改进算法在保证误符号率性能的前提下明显地降低了计算量,提升了运算速度。

广义纳什均衡问题的精确指数—对数罚函数算法

广义纳什均衡问题是纳什均衡问题的拓展形式,通过研究精确罚函数算法来解决广义纳什均衡问题,可以广泛应用于经济学、环境治理等领域,具有重要的实际意义。针对具有不等式约束的优化问题,提出一个精确指数—对数罚函数算法,并证明算法的全局收敛性。数值结果表明了新方法确实可行有效,并且在一定条件下具有优越性。

广义纳什均衡问题类乘子算法研究

近年来,许多学者致力于运用精确罚函数法对广义纳什均衡博弈进行研究。该文针对既有等式约束,也有不等式约束的广义纳什均衡问题,根据拉格朗日乘子法思路,给出相同结构类拉格朗日函数,设计了一个类乘子算法,在较弱的情况下,进行可行性和收敛性的分析证明。在具体的数值实验中,该文给出的算法与经典的PHR算法相比较,在时间和迭代步数上都呈现较好的效果,说明算法的有效性。

含参广义向量均衡问题系统解的通有稳定性

目的对含参广义向量均衡问题系统解的通有稳定性进行研究。方法在支付函数受参数扰动的情况下,通过定义2个系统之间的距离,结合集值映射的上半C-连续性、C-凸性以及Fort定理进行研究。结果与结论证明了(W,ρ)是一个完备度量空间,含参广义向量均衡问题系统解映射是上半连续且具紧值的,以及含参广义向量均衡问题系统解的通有稳定性。

广义伪连续下的多主从博弈弱Pareto-Nash均衡的稳定性研究

在现实生活中,许多决策问题都包含多个参与者和多个目标,如企业间的合作博弈、资源共享博弈等。通过探究广义多目标多主从博弈的稳定性,可以制定出更加有效的决策策略和机制,确保参与者能够长期稳定地获得收益并维持合作关系。文章针对Hausdorff拓扑空间内的一种特定的广义多主体-多从体博弈,当其中的参与者支付函数满足广义伪连续性时,研究证明广义多主体-多从体博弈的弱Pareto-Nash均衡解映射存在上半连续性。同时,当参与者支付函数在广义上呈现上伪连续时,也证实了广义多主体-多从体博弈的弱Pareto-Nash均衡解映射的上半连续性。应用本质解的定义,可揭示广义多主体-多从体博弈下弱Pareto-Nash均衡解的稳定性。

考虑生产商风险的绿色供应链网络均衡问题研究

文章研究了考虑生产商风险管理因素并存在为购买绿色商品的零售商提供价格补贴的绿色供应链网络均衡模型,可以有效降低风险损失,提高竞争优势。该供应链由生产商、零售商、消费市场的三层结构组成,分析了损失函数表达供应链中的中断风险特征及生产商、零售商、消费市场的行为优化条件,将供应链网络均衡问题转化为广义纳什均衡问题,通过证明广义纳什均衡解的存在性证明得到供应链网络均衡问题的解也是存在的,并提供数值算例以验证其合理性。

Nash均衡、变分不等式和广义均衡问题的关系

主要讨论了Nash均衡问题(NE)与变分不等式(VI)和广义均衡问题(GEP)的关系.给出它们之间解的等价关系,以及与之相应的映射之间单调性的关系.研究结果为进一步研究Nash均衡、广义均衡问题理论及其算法提供了理论依据.

近十年中国特殊教育均衡发展实证分析——基于广义熵指数的测度与分解

特殊教育均衡发展对保障特殊儿童平等受教育权利有重要意义。采用广义熵指数作为测度方法,对近十年来我国特殊教育均衡发展总体水平、特殊教育学校入学率、生均经费支出、生均建筑面积、生师比以及毕业率等指标进行实证分析。数据显示:(1)我国特殊教育均衡发展水平日趋提升;(2)区域内部差异是构成全国特殊教育区域差异的主要因素,区域之间差异的影响较小,两者均趋于缩小;(3)西部地区的内部差异对区域差异的影响最大,东部地区内部差异居中,中部地区内部差异最小;(4)五项指标差异大小依次为:生均经费支出>生师比>生均建筑面积>特殊教育学校入学率>毕业率。依据我国特殊教育区域均衡发展现状及发展态势,在未来发展过程中,应注意日趋改善,精准扶持西部,东部引领,提升中部。

基于动态广义直方图均衡的红外图像增强方法

针对直方图均衡法进行红外图像增强时存在的问题,提出了动态广义直方图均衡方法。首先,广义直方图通过基于局部复杂度计算的分数值计数,体现了图像的不同区域特性,防止了过增强和放大噪声。然后,对广义直方图利用SG算法平滑滤波后,采用GK聚类算法实现对直方图的动态划分,避免高概率灰度背景对低概率灰度目标的影响。最后,动态分配目标和背景的输出灰度区间,突出目标细节,控制增强效果。实验结果表明,算法能有效克服传统直方图均衡法丢失目标细节、不能控制增强效果和过分放大噪声的不足,是一种有效的红外图像增强方法。

广义优先关系约束下项目资源均衡的改进蝙蝠算法

针对带有广义优先关系的项目资源均衡问题,设计了一个改进的蝙蝠算法.改进了蝙蝠位置和种群的更新机制,提出了新的进度计划编码,解码和局部改进方法.利用正交试验设计探讨了算法参数设置.基于公开的基准数据集,通过大规模计算实验验证了所提算法的有效性.对于活动数量不超过50个的中小规模项目,所提算法可在1 s内求得接近于最优解的满意解;对于活动数量多达1 000个的大规模项目,求得满意解的时间不超过5 min;当项目截止日期较长时,所提算法优于目前最好的元启发算法.

基于广义直方图均衡的图像增强新方法

针对传统直方图均衡方法进行图像增强时导致图像细节信息丢失和噪声放大的问题,提出了广义直方图均衡图像增强方法。传统直方图是基于整数1进行计数的,广义直方图将整数1分解成2个值:分数和余数,通过对每个灰度级累计分数值和在所有灰度级均匀分配余数值生成。由于分数值控制着广义直方图均衡的效果,图像中不同特性区域应该具有不同的分数值,给出了基于局部复杂度计算的分数值求取方法。实验结果表明本方法能有效克服传统直方图均衡法丢失目标细节和过分放大噪声的不足,是一种有效的图像增强方法。

基于Wardrop均衡的带有容量限制的供应链网络均衡模型

本文考虑了带有生产容量限制和供应容量限制的供应链网络,通过生产商,零售商和消费者之间的博弈分析得到了相应的均衡模型,进而将其转化为一个超级网络模型,证明该模型满足交通网络的Wardrop均衡,并可等价为一个数学规划问题,容量约束对应的Lagrange乘子,可解释为生产商和零售商承担的单位产品的附加成本。算例分析结果表明了模型的合理性。

一类广义向量拟均衡问题

提出一类新型的广义向量拟均衡问题。利用连续单位分解定理和数值化方法,在连续性条件较弱、定义域无界等情况下,得到解的存在性定理。

广义不均衡网络流的改进算法及其应用

提出了一种改进的广义不均衡网络流(Out of Kilter)算法。新算法可以求解有可分凸费用的非线性网络流问题。算法将上述非线性问题转化为多个最大流问题求解,并为求解非线性可分凸费用网络流问题提出了通用的求解框架。证明了算法的最优性和收敛性。新算法比原算法更高效、简明,更适合求解大型和超大型的非线性可分凸费用网络流问题。用750节点和5010条弧的网络对本算法作了试算,计算结果说明算法有较高的效率。该算法已被用于三峡水火联合电力系统经济调度及电力市场中,实践证明算法是正确和有效的。

广义时序下活动多模式与离散型资源均衡优化

传统的均衡算法只是局限于活动单模式,活动间无延迟的完成到开始时序关系以及资源常规配置模式等简单的执行情况,而这些与活动和资源的实际工作模式并不相符.本文在分析了活动与资源实际工作模式的基础上,研究了活动间广义时序关系的类型、活动多模式以及离散型资源非常规配置模式的特点,建立了广义时序关系下的活动间约束关系和资源与时间之间的分布关系,构建了广义时序关系下活动多模式与离散型资源非常规配置的均衡优化模型.通过算例分析及对比分析,验证表明该优化模型具有较好的有效性和实用性.

基于免疫粒子群算法的广义Nash均衡问题求解

针对广义Nash均衡求解问题,提出了一种免疫粒子群算法。首先利用非线性互补问题,将广义Nash均衡问题转换为非线性方程组问题,然后把免疫算法中抗体的免疫记忆功能和抗体浓度抑制机制引入基本粒子群算法,设计了一种免疫粒子群算法。最后通过数值实验表明,该算法保持了粒子群种群多样性,增强了粒子群算法的全局寻优能力,加快了算法的收敛速度,具有较好的性能。