一类无约束离散minimax问题的区间算法

讨论了一类由二阶连续可微函数构成的无约束离散 minimax问题 .通过建立极大函数的区间扩张 ,并将无解区域的凹凸性检验原则和区间 Newton迭代法引入这类特殊不可微优化问题中 ,建立了区间算法 ,证明了算法的收敛性及相关结论 ,给出了数值算例 .用该方法可以同时求出问题的 minimax值和全部 minimax点 。

带约束条件的离散Minimax问题的区间极大熵方法

给出了求解带约束条件 Minimax问题的区间极大熵方法以及相关的算法 ,从数值例子来看 ,此算法是非常有效的 .

一类无约束离散minimax问题的区间斜率方法

进一步讨论了一类由一阶连续可微函数构成的无约束离散minimax问题。利用区间斜率方法和区域二分原则,构造了极大函数的区间扩张和无解区域删除检验原则,建立了区间斜率算法;对算法进行了数值实验,并给出了数值算例,结果表明:该方法可以同时求出问题的最优值和全部全局最优解,是有效和可靠的。

一种求带约束的离散Minimax问题的区间算法

进一步讨论了目标函数和约束函数都是Lipschitz连续的带约束的离散minimax问题,给出了罚函数的区间扩张,提出了解该约束离散minimax问题的区间算法。算法给出了问题的minimax值所在范围以及minimax点所在位置。定理和数值算例说明该算法是可靠的。

非线性等式约束离散minimax问题的区间极大熵算法

研究了求解非线性等式约束离散mimimax问题的区间算法,其中目标函数和约束函数都是C1类函数.利用极大熵函数和罚函数将问题转化为无约束可微优化问题,借助广义Krawczyk-Hansen算子建立了约束函数的区间迭代;讨论了极大熵函数和罚函数的区间扩张,证明了收敛性等性质,给出了无解区域删除原则,建立了区间极大熵算法.大量数值算例表明该算法是可靠和有效的.

非光滑离散Minimax问题的优性充分条件

本文在引入非光滑Lipschitz函数的广义凸性基础上给出了非光滑离散minimax问题的Fritz—Jomn与Kuhn—Tucker充分条件.特别地,也就给出了Lipschitz规划的Fritz—John与Kuhn—Tucker充分条件.本文结论包含或推广了光滑非线性规划与非光滑Lipschitz规划的一系列结论.

基于离散哈里斯鹰算法求解车辆路径问题

针对带容量约束车辆路径问题,提出一种离散哈里斯鹰算法。在哈里斯鹰算法的基础上,根据车辆路径的编解码特点,重新定义算法在全局搜索和局部开发阶段的更新策略;在全局搜索阶段利用随机插入和反转策略更新哈里斯鹰个体的位置,提高算法的全局开发能力;在局部开发阶段利用转移算子和移除算子设计哈里斯鹰个体的更新机制,提高算法的局部精细化搜索能力;通过改进逃逸能量平衡全局搜索和局部开发能力。实验结果表明,重定义的更新策略均能有效提升算法效率,将该算法和其它启发式算法的结果相比较,所提算法在求解精度和稳定性方面更具优势。

含t-积结构的张量广义Krylov子空间方法求解线性离散不适定问题

本文讨论了基于三阶张量的t-积形式,将广义Krylov子空间方法在解决大规模线性离散不适定问题中的应用。针对于离散不适定问题,首先确定正则化参数,并将一系列投影应用到广义的Krylov子空间上。数据张量是一般的三阶张量或由横向定向矩阵定义的张量。在数值例子和彩色图像修复中的应用说明了该方法的有效性。

以问题探究为导向的高中数学教学研究——以“离散型随机变量及其分布列”为例

本文旨在探讨以问题探究为导向的高中数学教学方法在人教 A 版选择性必修三“离散型随机变量及其分布列”中的应用。通过对特定教学法的实验性指导,收集学生的反馈信息,进而审视该方法对于激发学生学习数学的兴趣、增强解决问题的技能以及深化数学概念理解的作用。研究结果显示,以问题探究为导向的教学方法可以有效促进学生对学习产生兴趣,增强其主动学习的技能和创新性思维能力,这同样有助于他们对离散型随机变量及其分布列有更深入的理解。本文提出了一种适用于高中数学教学的新型教学方法,为未来的教学改革和课程构建提供了参考模型。

粗糙集理论中的离散化问题

一引言数据分析及数据挖掘,是一个重要的正在迅速发展的研究课题。波兰科学家Z.Pawlak于1982年提出的粗糙集(Rough Set)理论正是解决这一问题的新理论,它可用于处理决策信息表中的不确定知识,并用规则的形式表达,是一种有效的知识获取工具。在Roughset中,数据约简是非常重要的,包括属性约简和值约简。运用粗糙集理论处理决策表时。

基于椭圆曲线离散对数问题的公钥密码

自1985年Koblitz和Miller首次提出椭圆曲线密码之后,这种公钥密码的潜力越来越被人们所认识。首先对椭圆曲线及其相关知识做了简单介绍,而后以相当篇幅从三个方面介绍当前椭圆曲线密码的研究热点,最后给出典型椭圆曲线密码。作为一篇综述,文中反映了椭圆曲线密码的发展状况以及当前所面临的问题,体现了该领域目前的最新成就。

求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.

一种基于离散对数问题的无证书代理签名方案

为解决代理签名方案中的证书管理或密钥托管问题,提出了一种新的无证书代理签名方案(CLPS)。该方案通过将2个部分私钥绑定相同的1个身份标识解决了密钥托管问题,同时满足代理签名所要求的所有性质。该方案的安全性基于离散对数问题,具有存在不可伪造性,能够有效抵抗Type-Ⅰ攻击者和Type-Ⅱ攻击者的攻击。与已有的CLPS相比,该方案没有使用双线性映射,且其代理密钥利用Schnorr短签名完成,安全性和效率都得到了提高。

一类椭圆型变分不等式离散问题的迭代算法

根据一类椭圆型变分不等式离散问题所具有的非线性特征，提出了一种简明快速的迭代算法，该方法在解决障碍问题及流体润滑油膜破裂自然边值问题等工程应用问题时具有较高的效率。

一种求解TSP问题的离散蝙蝠算法

蝙蝠算法是一种新型的群智能优化算法,在求解连续域优化问题上取得了较好的优化效果,但在离散优化领域的应用较少。研究了求解TSP问题的离散蝙蝠算法,设计了相关操作算子实现算法的离散化,并引入逆序操作使算法跳出局部最优。对TSPLIB标准库中若干经典实例进行测试并与粒子群和遗传算法进行对比分析,结果表明设计的离散蝙蝠算法无论在求解质量还是求解效率上都有明显优势,是一种高效的优化算法。

求解排列问题的分布估计离散粒子群优化算法

目前粒子群优化算法和分布估计算法较少用于解决排列编码组合优化问题,本文提出了一种新的适用于求解排列问题的分布估计离散粒子群优化算法.提出的算法结合粒子群优化算法和分布估计算法的思想,突破了标准粒子群优化算法速度-位移更新模式.新算法中每个粒子的信息一部分来自该粒子当前解排列与全局最优排列的最长公共子串,另一部分来自描述所有个体最优值分布信息的概率模型.这样粒子的当前解、所有个体最优值和全局最优值都参与了新解的生成过程,提出的算法秉承了粒子群优化算法的思想,同时具有更全面的学习能力,提高了算法的寻优能力以及避免陷入局部最优的能力.在两个经典的排列问题上的实验结果表明提出的算法具有良好的性能.

求解TSP问题的自逃逸混合离散粒子群算法研究

通过对旅行商问题(TSP)局部最优解与个体最优解、群体最优解之间的关系分析,针对DPSO算法易早熟和收敛慢的缺点,重新定义了离散粒子群DPSO的速度、位置公式,结合生物界中物种在生存密度过大时个体会自动分散迁徙的特性和局部搜索算法(SEC)后,提出了一种新的自逃逸混合离散粒子群算法(SEHDPSO)。自逃逸思想是一种确定性变异操作,能使算法中陷入局部极小区域的粒子通过自逃逸行为进行全局寻优,从而克服算法易早熟的缺陷。仿真结果表明,SEHDPSO算法比混合蚁群算法(ACS+2-OPT)具有更好的收敛性和搜索效率。

一种求解集合组合问题的离散粒子群优化模型

针对变长集合组合优化问题,提出了一种离散粒子群优化模型.该模型将集合的概念和运算引入粒子群优化中,定义了一个可变集合搜索空间,并重新定义了粒子的位置、速度及作用于此空间的运算规则,既保留了粒子群本身的优化特性,又体现了集合组合优化的特点.采用典型的变长集合组合优化问题——背包问题来验证此模型的性能,并与二进制粒子群优化(BPSO)算法进行了对比.结果表明,该模型具有较强的寻优能力和更高的稳定性.

求解任务分配问题的一种离散微粒群算法

以交通运输领域中的装卸货任务分配问题为例对任务分配问题进行数学描述,提出一种用于求解该类问题的离散微粒群算法(DPSO)。在分析基本微粒群算法的收敛性能和任务分配问题解分布情况的基础上,采用惯性权值非线性下降策略更新微粒速度,以提高算法的收敛性,并且引入一个反正切函数对基本微粒群算法的位置公式进行进一步处理,以保证解的可行性。提出的DPSO用于求解某企业铁路货运站的装卸任务,在相同实验条件下,求解同一任务分配问题,提出的改进DPSO寻优率为76%,明显高于寻优率仅为40%和4%的其他2种DPSO算法;不同规模问题的求解试验中,综合比较寻优结果和计算时间,所提DPSO算法优于枚举法和遗传算法,且计算简便,可推广用于其他任务分配问题与组合优化问题。

一种新的离散粒子群算法在指派问题中的应用

指派问题在组合优化中属NP-Complete问题。提出了一种基于离散粒子群算法的求解方法。算法中每个粒子的位置代表了一种可行的指派方案,在迭代中通过交叉策略和局部搜索策略来更新粒子的位置,这既保证了粒子位置的可行性,又增加了粒子的多样性,避免陷入早熟收敛。通过实例仿真可以看出DPSO算法简洁,较以往算法具有更好的收敛性,能得到更优的解,能够求解匈牙利法不能求解的指派问题。对不同的问题,通过影响参数的调整,可以取得好的收敛效果。