城市电网规划的一种新方法──拉格朗日松驰法

采用拉格朗日松驰法处理城市电网规划的难点之一──离散性质的固定费用，把难求解的带固定费用的网络优化问题转化为易求解的线性规划问题，从而弥补了线性化方法和分枝定界法的不足．采用了速度较快的网络流法求解线性规划问题，并把功率最优流向的自动选择巧妙地嵌入到了网络流法中，不会因为人为选定功率流向而导致非最优解．实际计算结果证明了本方法的有效性．

Job Shop调度的序列拉格朗日松驰法

拉格朗日松驰法为求解复杂调度问题次最优解的一种重要方法，陆宝森等人把这种方法推广到ＪｏｂＳｈｏｐ调度问题，但他们的方法存在解振荡问题．本文提出一种序列拉格朗日松驰法。

可分离QoS路由的拉格朗日松驰算法

为了满足网络新应用提出的服务质量保证和业务不受故障影响的新要求,分析了可分离的QoS路由算法。针对寻找优化某个QoS参数且另一个QoS参数满足约束条件的可分离路由问题,建立了问题的数学模型,利用拉格朗日松驰算子将问题分解为两个受限最短路问题,给出了求解的拉格朗日松驰算法,并从迭代方向和迭代步长两方面对算法中的次梯度技术进行了改进。算例表明,改进后的算法具有较快的收敛性能。

利用拉格朗日松驰法解决电网优化购入电量

本文利用拉格朗日松驰法对电网优化购入电量问题 [1 ] 进行了研究 ,灵活而有效地解决了当约束中出现非连续变量时用一般方法难以解决的问题 。

多区域输电阻塞管理的拉格朗日松弛分解算法

提出一种新的基于增广拉格朗日松弛的区域分解最优潮流算法 ,将一个大的最优潮流问题分解成多个区域子问题 ,并用此算法求解多区域电力市场输电阻塞管理问题。与现有的其他方法相比 ,该算法的主要优点在于无需在原始网络模型的基础上增加任何虚拟发电机或负荷。通过将该算法与电力市场实时平衡机制相结合 ,多区域有功阻塞管理问题可以分解为单区域二次规划子问题。这些子问题可以顺序求解也可以并行求解。采用这一方法 ,所有的区域市场独立调度员在得不到其他区域网络信息的情况下仍然可以相互协作消除网络阻塞。在这一过程中 ,惟一需要进行区域间交换的信息是与区域间“耦合”约束相对应的拉格朗日乘子。最后 ,通过分析 3区域的 IEEE RTS— 96标准测试系统说明了该方法的有效性。

机组优化组合的人工神经网络拉格朗日混合方法

本文提出了一种求解电力系统组合优化问题的混合神经网络─拉格朗日方法．至今，拉格朗日松弛法一直被记为是机组优化组合近似解的实用方法．这样．基于神经网络的监督学习和自适应识别概念，我们用神经网络来推测负荷需求与拉格朗日乘子的非线性关系，并且采用了优化的学习速率和势态项来加速网络的收敛．数值计算的结果表明本文的方法是可行的．

基于依赖关系的供应链优化协调

为提升供应链的整体绩效,设计适当的协调机制,使局部决策与整体目标相一致,基于协调理论,提出了资源共享、物流和时序三类供应链依赖关系,并通过相关的供应链优化模型将三类依赖关系形式化为关联约束。利用供应链模型的加可分性结构,基于拉格朗日松弛技术和次梯度算法构造一种优化协调机制,该协调机制通过松弛关联约束将模型分解为成员独立的子问题,并通过次梯度算法迭代更新拉格朗日乘子以协调成员局部决策。此外,相应于次梯度算法的实现方式,提出两种分布协调结构。

多目标跟踪中基于结构化学习的目标身份感知网络流量技术研究

多目标跟踪问题是计算机视觉领域的关键研究问题之一。现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,本文提出一种基于结构化学习策略的目标身份感知网络流量技术,可在目标检测和数据关联并行化框架下有效地实现多目标跟踪。文中首先通过结构化学习为每个对象训练一个模型,并将目标跟踪问题建模为拉格朗日松驰优化问题,然后提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断出视频片断中所有目标的最佳位置。最后,利用多种高难度数据集进行仿真实验,结果表明本文方法的性能优于其他最新算法。

解带有二次约束二次规划的一个整体优化方法(英文)

在本文中,我们提出了一种解带有二次约束二次规划问题（QP）的新算法.这种方法是基于单纯形分枝定界技术,其中包括极小极大问题和线性规划问题作为子问题.利用拉格朗日松弛和投影次梯度方法来确定问题（QP）最优值的下界.在问题（QP）的可行域是n维的条件下,如果这个算法有限步后终止,得到的点必是问题（QP）的整体最优解;否则,该算法产生的点的序列{vk}的每一个聚点也必是问题（QP）的整体最优解.

三峡梯级水电站日优化运行研究(英文)

针对三峡梯级水电站日优化分配问题 ,在满足给定梯级负荷和提供足够备用容量的情况下 ,使得梯级耗能最小。本文应用拉格朗日松弛法求解梯级日优化问题 ,应用拉格朗日乘子松弛系统耦合约束 ,考虑电站变水头和站间水流时滞的影响 ,进行梯级电站的负荷优化分配 ,并将分配计划应用于实时运行当中。实例研究表明 ,该方法有效、实用 ,能够实现在线优化和实时运行。

带有基数限制的离散多因素投资组合模型

研究带有基数限制的离散多因素投资组合模型.与传统的投资组合模型不同的是,该模型中投资组合的决策变量是交易手数(整数),且限制资产投资的最大数目,其最优化模型是一个非线性整数规划问题.分别用随机产生的一组数据和来自纳斯达克的40只股票数据,利用拉格朗日松弛的混合分枝定界算法求解此模型,并用FORTRAN语言编程,数值结果表明该算法能有效求解此模型.

面向快速响应与成本优化的设施选址问题

面向快速响应与成本优化的设施选址问题研究:半径内与半径外服务将享受不同的服务价格,如何选择合适的服务站,使得净收益(服务收入-建站成本-路线成本)最大化或"收益损失成本+建站成本+路线成本"最小化。这一问题广泛应用于应急服务、快递、维修网络等领域,其特点是考虑了响应速度与服务价格、成本之间的关系,根据净收益最大化或者成本最小化原则自动判断是否为"偏远的"需求点提供快速服务,实现服务成本与响应速度的双重优化。本文建立了该问题的零一整数规划模型,并构造了求解问题的拉格朗日松驰算法,实验显示算法具有很好的求解效率与求解质量,可在较短时间内求解1000个节点规模的问题,并且相比传统的分枝定界算法节约了大量的计算时间。

MOT中改进的目标身份感知网络流量技术

现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,通过结构化学习为每个对象训练一个模型,将目标跟踪问题建模为拉格朗日松驰优化问题,提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断视频片断中所有目标的最佳位置。利用多种高难度数据集进行仿真实验,实验结果表明,所提方法的性能优于其它较新算法。

用于网格计算的Overlay Network设计算法的研究

针对如何提供丰富的通信交互提出了一种基于OverlayNetwork的网格架构,设计OverlayNetwork,给出了一种动态环境中分布式拉格朗日启发式算法DLagrOTDP,计算的结果显示该算法具有更快的适应性。

含整变量非线性两层决策问题的一种求解方法

本文讨论一类含整变量的非线性两层决策问题。文中运用拉格朗日松弛技巧构造了两层问题的线性定界函数 ,针对上层决策变量全为一般整变量的非线性两层决策问题 。

具有上下容量限制的多生产商联合回收逆向物流网络优化

基于生产企业联合实施生产者责任制度的构想,研究了多个初级回收源点,多企业共同对多种废弃品进行回收的逆向物流网络设计和流量分配问题,建立了相应的数学模型.一般的设施选址模型只考虑容量上限,为避免设备闲置和处理能力不足的问题,对每一处理站的各种废弃品的处理量设置了上下限.设计了解决该NP-困难问题的拉格朗日松驰算法,用随机产生的一组数据对提出的算法进行检验,运行速度快且解的收敛性很好.

一种基于EPR的逆向物流网络模型及算法研究

研究了多生产商联合对其回收产品进行回收的逆向物流网络和流量分配问题.构建了多回收源点、多企业参与回收多种回收物品,且每一回收物品处理站对每种回收物品有最大处理容量约束的网络优化模型,提出了基于拉格朗日松驰的启发式算法,并通过一组算例验证了算法的适用性和有效性.该研究可以应用到资源受限的回收物品回收实践中,为回收资源、再生资源和循环利用资源中的逆向物流设计提供新的方法.

待建工程程序优化模型与仿真算法

运用解组合最优化问题的拉格朗日松驰法研究待建工程排序问题，阐述了基本思想，给出了待建工程排序的理想模型，讨论了拉格朗日松驰法的具体运用，并给出了求解排序模型的计算机程序框图。

基于分级选址模型的学校选址问题

考虑到我国中小学选址问题的特性,本文引入分段效用函数,综合考虑距离、服务质量等多种选址因素,提出基于效用函数的分级的带容量限制的中位模型。模型约束条件包括需求的全覆盖、设施的最小容量约束、需求点就近分配给设施点、需求点单一分配给设施点及开放与关闭设施数目限制等。本文使用拉格朗日松弛算法,以武汉市经济技术开发区为例,就目前学校选址及分配的合理性问题、学校最小容量的合理设置问题和需求波动后的重新选址及分配问题进行了分析。

利用参数扰动法解决相同机组调度问题

在应用拉格朗日松弛法解决电力系统机组组合问题时，解振荡现象是经常碰到的既严重又难以解决的问题，造成这种现象的原因往往是由于相同机组对应的子问题完全同构而导致相同机组同时启停，由此而得到的解有可能极大的偏离了原问题的最优解。通过对一个由于具有两个相同机组而造成解振荡现象的简单例子进行了分析，提出了利用对参数进行微小扰动解决相同机组组合问题的方法，通过对１０个火电机组调度实例的验证，发现参数扰动法不仅解决了相同机组组合问题中的解振荡现象。