优化算法与虚拟企业伙伴选择问题的研究

论文摘要

对求解无约束优化问题的记忆梯度法中的方向参数给定一个新的区间取法,确定其取值范围以保证搜索方向是目标函数的充分下降方向,在此基础上,提出了一类新的带误差项的的记忆梯度算法,算法中参数的取值范围更大,考虑了误差项,使得新算法对许多实际问题很有用.并在目标函数的梯度一致连续和结合Armijo步长搜索条件下,证明了算法的全局收敛性.同时给出带误差项的结合拟-Newton方程的记忆梯度算法.数值例子表明算法是有效的.设计了求解无约束最优化问题的新的非单调线搜索规则的带误差项Lampariell修正对角稀疏拟牛顿算法.新的步长规则类似于Grippo非单调线搜索规则并包含Grippo非单调线搜索规则作为特例.新的步长规则在每一次线搜索时得到一个相对于Grippo非单调线搜索规则的较大步长,有利于算法快速收敛,同时保证算法的全局收敛性.数值例子表明算法是有效的,适合求解大规模问题.讨论了虚拟企业伙伴选择与管理问题.提出了初选、精选、优化组合的虚拟企业伙伴选择三步法.并建立了基于遗传-模拟退火算法的虚拟企业合作伙伴优化组合模型,克服了遗传算法早熟现象对虚拟企业伙伴选择的影响.进而分析了伙伴关系管理的复杂性,提出了“动态合同+信任机制”的双重管理方法.

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 优化算法简介
• 1.1.1 记忆梯度算法简介
• 1.1.2 对角稀疏拟牛顿算法简介
• 1.1.3 带误差项的算法和非单调线搜索技术简介
• 1.2 虚拟企业伙伴选择问题简介
• 第二章 结合Armijo 步长搜索的带误差项的记忆梯度算法
• 2.1 引言
• 2.2 算法及其性质
• 2.3 全局收敛性
• 2.4 数值实验
• 第三章 新的非单调线搜索规则的带误差项 Lampariello 修正对角稀疏拟牛顿算法
• 3.1 引言
• 3.2 算法及其性质
• 3.3 算法全局收敛性
• 3.4 超线性收敛性
• 3.5 数值实验
• 第四章 虚拟企业合作伙伴选择模型与管理
• 4.1 虚拟企业合作伙伴选择所用优化算法——遗传-模拟退火算法研究
• 4.1.1 遗传-模拟退火算法的性质
• 4.1.2 算法流程图
• 4.2 虚拟企业合作伙伴综合选择模型
• 4.2.1 虚拟企业伙伴综合选择的三阶段模型
• 4.2.2 基于遗传-退火算法的虚拟企业合作伙伴优化组合模型
• 4.3 虚拟企业伙伴关系管理
• 4.3.1 虚拟企业伙伴管理中的困难
• 4.3.2 虚拟企业运行中伙伴关系管理
• 结论
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢