一類隨機規(guī)劃的算法及其收斂性分析.pdf_第1頁
已閱讀1頁,還剩34頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在生產生活中,為了建立更加符合實際情況的規(guī)劃模型,通常要考慮實際問題中的一些不確定因素,此類含有隨機變量的規(guī)劃即為隨機規(guī)劃問題。為了將其轉化為一個確定性的規(guī)劃問題,常采用將隨機變量的數(shù)學期望來取代規(guī)劃中的隨機變量從而進行求解。但往往所得最優(yōu)解因不符合約束條件而失效。從而必須采用其他方法來處理隨機規(guī)劃問題。隨機規(guī)劃這一學科的理論和計算方法還不完善、不成熟,但它已在管理科學、經濟學、電力系統(tǒng)調度、工程結構設計、最優(yōu)控制等學科和領域顯示出了強

2、大的生命力!
   對于隨機規(guī)劃問題而言,選擇一個合理的樣本容量決定了最優(yōu)解的準確與否。從而說明了研究隨機抽樣樣本容量的重要性。本課題是在國內外已有研究成果的基礎上,重點研究Monte Carlo抽樣的樣本容量迭代方法以及迭代終止條件,同時通過統(tǒng)計方法考慮誤差精度,并結合新的算法進行了相關研究。
   本文共分五章,每章的主要內容安排如下:
   第一章,隨機規(guī)劃問題總體概述。簡單地介紹隨機規(guī)劃的產生和發(fā)展以及分

3、類,同時給出了國內外的研究現(xiàn)狀。
   第二章,介紹了Monte Carlo的基本思想以及收斂性。給出了該方法在期望值隨機規(guī)劃模型中的應用,并給出了數(shù)值試驗。
   第三章,提出一種基于Monte Carlo動態(tài)模擬的遺傳算法,減少Monte Carlo隨機模擬的盲目性。給出了動態(tài)迭代終止條件和最優(yōu)解的求解方法。同時進行了收斂性分析和數(shù)值試驗。
   第四章,結合最速下降法,給出了一種動態(tài)的粒子群算法。并給出針對

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論