本项目突破传统的纯组合(即离散)的研究框架,基于数学规划的松弛策略,对大规模的NP困难排序问题以及其他的组合最优化问题,从随机化算法、列生成技术、凸性及其最优性条件等三个方面进行理论研究和应用研究。这是"离散"和"连续"的相互融合,"确定"和"随机"的相互交叉,经典方法(六十年代初提出Dantzig-Wolfe分解方法)和数学规划最新理论的相互渗透。解决这些问题,必将产生许多新的思想、方法和理论,必将产生许多创新点。所有这些不但对排序论、对组合最优化理论的发展有促进作用,而且,反过来对数学规划本身的发展也有促进作用。本项目的研究属于运筹学学科的前沿研究,代表学科的发展方向;其研究方法具有可行性和前瞻性。项目的完成对推动近似算法的研究,促进组合最优化学科和数学规划学科的发展具有重要的科学意义;预期获得的研究成果有着很强的应用背景,对促进国民经济以及社会的发展具有重要的实际意义。
{{i.achievement_title}}
数据更新时间:2023-05-31
F_q上一类周期为2p~2的四元广义分圆序列的线性复杂度
惯性约束聚变内爆中基于多块结构网格的高效辐射扩散并行算法
物联网中区块链技术的应用与挑战
一种改进的多目标正余弦优化算法
一种加权距离连续K中心选址问题求解方法
NP困难排序问题的可近似性
大规模Job shop排序问题渐近最优算法研究
排序问题的博弈分析和多目标排序
工件排序问题的研究