论文部分内容阅读
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Gfippo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。