中文摘要：

整数规划，特别是大规模整数规划问题目前尚缺乏通用的有效算法。由于单级整数规划的难以求解，使得多级整数规划成为多级规划中的一个难点问题。本项目提出的模拟植物生长的整数规划算法，是一种源于大自然的仿生类随机算法。作为一种解决整数规划，特别是非线性整数规划问题的通用算法，它的机理是模拟植物的向光性特点，植物的向光性是由于生长素在背光的一面比向光的一面分布的密度更大，因此使植物的枝叶向光源的方向延展。依据

结论摘要：

针对整数规划全局优化问题所首次提出的模拟植物生长算法，是一种源于大自然的仿生类随机算法。该算法从植物的向光性特点出发，将整数规划的可行域作为植物的生长环境，根据各可行解目标函数的变化情况确定植物的生长信息（形态素浓度），进而模拟出向光源（全局最优解）迅速生长的植物生长动力学模型。经过对无约束和有约束两类具有多个全局最优解的非线性整数规划问题的具体求解，取得了满意的效果。在单级整数规划研究的基础上，进一步深入研究了几种二级整数规划的仿生类算法，尝试将模拟植物生长算法与其他仿生类算法进行结合，拓展新的二级整数规划算法体系。在应用研究方面，将二级整数规划具体应用于四类问题，第一类问题是排污权有偿分配的主从递阶整数规划模型，该模型是通过建立合法的污染物排放权力，并允许这种权利像商品那样被买入和卖出，以此来进行污染物的排放控制，同时实现污染权的优化配置；第二类问题是将模拟植物生长算法应用于解决BP神经网络学习算法局部最小点问题；第三、四类问题是企业人力资源规划和机器设备分配规划模型，其核心问题是如何在企业总体规划的基础上，经过资源的预测，确定企业资源的合理分配方案，使企业获得增产效益最大。