论线性规划的原始—对偶单纯形算法

从一个既不是原始可行也不是对偶可行的初始基出发,提出了求解线性规划问题的原始—对偶单纯形算法.首先,将等式约束右手边向量取负值的项置为零,用原始单纯形算法求解相应的线性规划问题,如果存在最优解,则是原问题的一个正则解.在原始单纯形迭代过程中,一旦原问题右手边向量取负值的项转化为非负项,则恢复其原来的约束条件参与迭代计算,可使获得的正则解距原问题的最优解(如果存在)更近.接着,从所获得的正则解出发,用对偶单纯形算法求解原问题,直到获得原问题的最优解或无可行解的结论.最后,为了验证该算法的计算性能,通过MATLAB编程在计算机上进行大规模数值试验,结果表明,与经典单纯形算法相比,该算法在大部分问题上使用更少的迭代次数和执行时间,具有更高的计算效率.     

变权重多目标进化算法研究

大多数现有的多目标进化算法每一个循环都要对种群中的部分或全部个体进行排序或比较,使得计算量很大。本文介绍了一种基于变权重线性加权的Pareto轨迹法WSTPEA---Weighted Sum Approachand Tracing Pareto Method),算法采用线性加权法对多目标优化问题加以改造,通过对权重加一个增量来得到邻近的非劣解,每执行一个循环步骤求得一个非劣解。通过权重变化次数控制算法循环的次数,从而使整个种群遍历Pareto曲线(面)面。文中给出了算法的流程图,并且对两个实验测试问题进行了计算,最后对结果进行了分析。     

再论在最优解上挖潜：运输问题研究

本文对刊于《系统工程理论与实践》上的“在最优解上挖潜”一文论及的挖潜问题做进一步探讨。首先,本文给出了有别于文(1)的关于运输问题的最优解挖潜意义。在此意义下,提出了在最优解上可挖潜的充分必要条件,及较之文(1)更简便、更有效的挖潜方法。此法实际上是把挖潜过程归结为求解一个经典运输问题的导出问题。利用此方法对文(1)认为己挖尽潜力的示例,仍可继续挖潜,其挖潜结果优于文(1)的结果。文中还从数学上证明了此法的正确性。     

非线性规划和Hopfield在物流选址中的应用

针对物流配送中心优化选址的问题，该文提出采用非线性规划算法和Hopfield人工神经网络算法，使物流配送的综合运输成本最省；并与货郎问题中最短运输线路做比较。微机仿真结果说明，这种算法能较好地选址并能在较少的迭代步骤内找到最优的路径。     

电阻抗层析成像（EIT）的算法设计（Ⅲ）

本文简述了用有限元方法将其区域离散化的数学方法之后，着重讨论了其算法设计、用量速下降法对算法进行了实现并和Ｈｅｗｔｏｎ－Ｒａｐｈｏｎ方法进行了比较，计算结果表明，最速下降法具有良好的ＥＩＴ分辨度。     

京东商城物流配送模式调查

物流作业的速度是物流企业服务质量的一个重要标志.由此出发,我们选择京东商城的物流配送服务作为调查对象,通过调查其物流作业现状,分析其物流运输的作业流程和实现准时化的各种条件及可能遇到的障碍.     

并行ETL流程的回环检测和执行控制

ETL工具必须能够并行执行ETL流程才能提高服务器的性能，据此，提出了用有向图解决数据集成中并行ETL流程的运行顺序问题，并根据ETL流程的特点提出用邻接表来存储一个有向图的信息，在流程的执行顺序上，采用基于有向图邻接表的深度优先遍历，并给出了具体算法流程；提出用有向图的回路检测解决流程的回环检测问题，并根据ETL工作中流程教少的特点改进了检测算法，降低了算法的实现复杂性，并给出了算法流程。     

Ford-Fulkerson方法在矩阵上实现

Ford—Fulkerson法是网络极值中的最大流问题的一种基本有效的算法。最大流问题在包含流量问题的系统中有着广泛的应用,例如在公路系统中的车流、控制系统中的信息流、金融系统中的现金流等等都有最大流问题。而目前介绍Ford—Fulkerson方法的资料中都是在网络图上进行的,这样很难在计算机上实现。本文将引进一个容量矩阵,把Ford—Fulkerson方法在容量矩阵上实现,这样Ford—Fulker法易缩制成程序在计算机上实现。 一、问题提出与算法思路 设有向图G=(V,E),V是所有顶点的集合,E是所有弧的集合,C_(ij)为有向图G中的弧(V_i,V_j)∈E的最大容量。为简单起见,不妨设有向图G中只有一个起点V_1和只有一个     

体能测试时间安排的排序优化模型

本文运用线性规划的有关原理和方法,建立了体能测试项目安排顺序问题的数学模型.通过匈牙利法算法求得了模型的最优解,给出了最优解相应的测试时间和测试项目的安排计划。     

多重网格法及其与水文地质计算方法的比较

本文在分析有限单元法和有限差分法优缺点的基础上,介绍一种新的计算方法—多重网格法。给出了多重网格法的实现步骤。通过一个理想模型的计算,发现多重网格法与解析解的计算结果很接近,同时发现多重网格法计算时间与节点数呈线性关系,而经典迭代法计算时间与节点数呈非线性关系。最后,阐明了多重网格法具有效率高、收敛速度与网格步长无关的优点。