基本思想 设法将约束问题求解转化为无约束问题求解． 具体说：根据约束的特点，构造某种惩罚函数， 然后把它加到目标函数中去，将约束问题的 求解化为一系列无约束问题的求解． 惩罚策略：企图违反约束的迭代点给予很大的 目标函数值．迫使一系列无约束问题的极小点或 者无限地靠近可行域，或者一直保持在可行域 内移动，直到收敛到极小点．

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题．由于调度问题中绝大多数属于NP-难类问题，不存在有效的最优求解算法．针对用智能优化算法—遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题，设计了一种模糊算法以便自动确定交叉率和变异率．通过数值实验，嵌入模糊规则的遗传算法比简单的遗传算法要好，说明在实际生产中，此算法具有强大的发展前途．

网络最优化模型的应用 P241 网络在各种实际背景问题中以各种各样的形式存在。交 通、电子和通讯网络遍及我们日常生活的各个方面，网 络规划也广泛用于解决不同领域中的各种问题，如生产 、分配、项目计划、厂址选择、资源管理和财务策划等 等

8.1 环境规划和系统最优化 8.2 线性规划的概念 8.3 图解法解二维线性规划问题 8.4 单纯形法解LP问题 8.5 对偶线性规划模型 8.6 Excel的规划求解 8.7 规划求解在大气污染控制中应用

给出了在存在不确定性干扰的情况下,生产计划-库存控制过程最优化的动态提法.在此基础上提出了一个在线克服不确定性干扰寻求最优控制的实用算法

§1 多阶段决策最优化问题举例 §2 基本概念、基本方程与最优化原理 §3 离散确定性动态规划求解 §4 离散随机性动态规划求解 §5 一般数学规划模型的动态规划解法

§1 多阶段决策最优化问题举例 §2 基本概念、基本方程与最优化原理 §3 离散确定性动态规划求解 §4 离散随机性动态规划求解 §5 一般数学规划模型的动态规划解法

1 多阶段决策过程最优化问题举例 2 基本概念、基本方程与最优化原理 3 动态规划的应用(1) 4 动态规划的应用(2)

本文介绍了约束最优化问题求解的惩罚函数法（SUMT调用Powell法）,附有程序框图及用ALGOL语言编制的过程。文中简要介绍了该方法的基本思想,对“惩罚”的实质和近似求解进行了分析,提出了Powell法的两个加速收（佥欠）的条件以及每一计算步骤的终止准则。文中还附有使用本过程的简要说明与计算实例

本文提出了寻4求整体最优解的一种新算法。这个算法对一类范围甚广的工程优化问题(维数 ≤ 5~6)较为有效。文中给出了算法及收敛性、最优性条件、计算实施的若干建议,以及计算实例