半Markov决策过程的数值迭代优化

针对半Markov决策过程在紧致行动集上的数值迭代优化,提出了折扣和平均准则下直接基于等价无穷小生成子的统一的标准数值迭代算法,并证明了其收敛性。另外,讨论了两种性能准则下统一的异步数值迭代算法,包括Gauss-Seidel异步迭代和随机异步迭代,特别是基于样本轨道仿真的数值迭代等,并运用性能势思想对上述算法进行改进。结果表明,该算法可直接适用于连续时间Markov决策过程。最后通过一个数值例子来比较各种算法的特点。     

SMDP基于性能势的M步向前策略迭代

运用基于性能势的M步向前(look-ahead)异步策略迭代算法研究了半Markov决策过程(SMDP)优化问题。首先给出了基于性能势理论求解的一种M步向前策略迭代算法。该算法不仅对标准策略迭代算法和一般的异步策略迭代算法都适用,而且对SMDP在折扣和平均准则下的优化也是统一的;另外给出了两种性能准则下基于即时差分学习的M步向前仿真策略迭代。最后通过一个数值算例比较了各种算法的特点。     

深空组阵算法合成性能对比分析研究

特征值（Eigen）算法和Sumple算法是2种可应用于深空天线组阵的信号合成算法。首先讨论了深空组阵合成的原理和算法评价准则;然后分析了基于Eigen的快速迭代算法PMFM（proposed matrix free method）,并基于PMFM提出一种快速迭代方法——C-PMFM算法,利用C-PMFM单次迭代原理,探讨了Sumple算法与Eigen算法的关系;最后详细仿真并比较了2种算法的合成性能。仿真结果表明：Sumple算法具有极快的收敛速度,适用于长积分时间条件下的组阵合成;C-PMFM 5次迭代算法虽所需的计算量更大,但具有比Sumple算法更优越的低信噪比合成性能。     

基于HS算法的Markov模型及收敛性分析

通过给出和声算法（HS）音调状态的转移概率,建立了基于和声算法（HS）的Markov模型．利用Markov链是有限齐次的,证明HS算法的全局收敛性．进一步通过3个不同模式性能的测试函数对和声算法的全局收敛性进行数值验证．     

PVM环境下有限元方程组的异步并行迭代算法

提出了ＰＶＭ环境下解椭圆型边值问题的有限元方程组的异步并行迭代算法，给出了算法的两种实现方案，并进行了讨论     

单载波块传输系统中基于叠加导频的信道估计与均衡

在单载波分块传输系统中进行频域均衡需要知道精确的信道状态信息,为此本文提出了一种基于叠加的导频序列的迭代信道估计算法,利用叠加的导频序列以及通过迭代均衡检测得到发送数据的估计值来降低信道估计的误差。从理论上分析了该算法所能达到的信道估计误差下限和比特误码率下限,并提出了最优叠加导频序列的设计准则。数值仿真结果表明:采用该算法时系统的比特误码率性能与已知信道信息时的性能差距小于1 dB。     

大气波导中多径信道的参数研究

针对海上大气波导环境中电磁波的多径传播特性,基于容量有限的Markov生灭过程得到了大气波导中到达接收站的射线径数．根据差分时延试验数据的近似瑞利分布提出了大气波导中的三参数模型,基于最小方差准则确定了模型参数．利用MUSIC算法对多径到达角进行最佳估计,数值仿真结果表明MUSIC算法极大地提高了到达角位置处的信噪比．     

基于水动力学模型冻土冻胀数值模拟的改进

基于水动力学冻胀模型。对变化的边界条件下土体的冻胀量进行了大量计算．结果表明；由于水动力模型的控制方程中耦合源项在计算迭代步之内总是被不合理地估算，易于产生数值振荡以致整个计算难以收敛；利用土壤冻结特性曲线及计算出的负温和未冻水含量之间的特定关系，可以明确判断出迭代步计算所得耦合源项变化是偏大或偏小．据此，本文提出在迭代步内直接对含冰量变化进行合理修正的改进算法，并编制了基于有限体积法的自调节时间步长计算程序．该算法能够加速收敛、消除数值振荡，且与实测结果相当吻合，适用于复杂多变边界条件下土体的冻胀计算．     

一种高效的基于初始聚类中心优化的K-means算法

为解决传统K-means算法初始质心的随机选取以及聚类过程中每个数据样本到聚类中心距离的重复计算问题,提出了一种高效的基于初始聚类中心优化的K-means算法,采用最小方差优化初始质心,通过存储每次迭代中所有数据点的簇标志和到最近聚类中心的距离并用于下一次迭代,避免了重复计算数据点到每个中心的距离。在UCI数据库中五个不同的数据集上进行了测试,对各个算法在聚类准则函数,运行时间以及迭代次数上进行实验结果比较,表明在不降低聚类性能的前提下,减少了迭代次数,缩短了聚类时间,证明了改进算法的有效性和高效性。     

一种基于Markov随机场的图像分割方法

提出一种基于Markov随机场图像分割方法。在K-Means图像分割的基础上,建立标记场和特征场,构造Markov随机场模型,再利用条件迭代模型（ICM）算法逐点更新图像标记,实现图像的最大后验概率（MAP）估计,从而实现图像的有效分割。实验结果表明,该方法比直接采用Markov方法有着更好的分割效果。     

电大尺寸电磁场问题的广义离散卷积法

利用正交变换及其快速算法,以迭代算法子的Ｆｒｏｂｅｎｉｕｓ范数最小为准则,推广了求解电大尺寸电磁场问题的离散卷积法和修正离散卷积法,提出了一类迭代法,即广义离散卷积法,具体给出了采用快速Ｈａｄａｍａｒｄ变换的二进卷积迭代法,以及基于二进卷积,适用于对称结构的分区直接解法,数值结果验证了算法的有效性。     

一种空时分组码最大似然检测的迭代算法

为了探讨某一类型空时码的最大似然检测的迭代算法。给出了这类码基于冗余线性预编码的通用构架,包括许多空时码算法示例．用这些码的特殊线性结构导了出在估计参数和检测发送数据组中字符之间进行迭代处理的ML准则迭代算法．结果表明,两步迭代大大改善系统的SER性能,但进一步的迭代不能再提高性能。     

非平稳多任务下的动态功耗管理随机策略

基于系统信息建立了任务的设备利用率统计查找表,并根据实际的间隔时间更新分布。然后,建立了半Markov随机模型,定义了代价函数和目标优化函数,并给出了平均准则下基于线性规划的求取最优策略的方法。试验结果表明:在考虑性能约束的条件下,该算法具有很好的稳定性;延迟率小于0.10;竞争率可以达到0.57。更稳定、有效地降低了功耗,有利于在嵌入式系统中应用。     

一种有限时段Markov决策过程的强化学习算法

研究有限时段非平稳的Markov决策过程的强化学习算法。通过引入一个人工吸收状态，把有限时段问题变为无限时段问题，从而可利用通常的强化学习方法来求解。在文献[3]提出的算法思想基础上，提出了一种新的有限时段非平稳的Markov决策过程的强化学习算法，并用无完全模型的库存控制问题进行了实验。     

基于面向服务体系结构的安全异步Web服务

针对面向服务的体系结构（SOA）的服务异步调用的安全性问题,提出了网络异步调用的形式化语义模型,明确了同域调用、自调用、异域调用和异域回调的概念,并且阐述了AMHKA安全算法的逻辑语义过程.分析了级联式异步调用过程的语义,针对AMHKA安全算法的效率问题,给出了基于级联式调用的安全优化算法.通过移动网络模型进行网络端口和时隙调用,测试结果表明AMHKA安全算法给系统带来了19.2%的网络计算性能损失,而级联式异步调用优化算法能够提高16.8%的性能,保证了系统在较小性能损失下获得较高的安全性.     

基于Markov链蒙特卡洛的因子图均衡算法

针对基于因子图模型的非线性失真信道的迭代均衡计算复杂度高的问题,提出了3种不同的接收信息后验概率的有效算法以及并行实现方法。在基于因子图的均衡算法中,均衡器和译码器以迭代处理的方式联合工作,提高了系统的整体性能,但计算复杂度随信道记忆长度呈指数增加,通过Markov链蒙特卡洛算法实现多维积分的计算,并通过因子图分割实现并行Gibbs采样,降低了计算复杂度,仿真表明,该算法有效克服宽带高阶调制的卫星信道非线性失真,有利于硬件或多核并行实现。     

SCCPM中基于平均外信息交换的迭代停止算法

针对串行级联连续相位调制系统(SCCPM)存在正反馈的问题,提出了一种基于平均外信息交换的迭代停止译码算法．该算法采用平均外信息交换方法,将历次迭代外信息的平均值作为下次迭代的先验信息,并结合符号改变率(SCR)和辅助硬判决(HDA)两种迭代停止准则进行迭代译码．仿真结果表明,平均外信息交换与动态迭代停止算法相结合可以有效抑制正反馈,提高SCCPM系统性能,并且能够减少译码时延．     

基于偏折角修正迭代的层析重建算法族研究

研究非完全数据光偏折层析重建技术,提出了基于偏折角修正迭代的重建算法族,并结合抑制噪声、减弱重建模糊性和边缘效应、优化松弛系数等发展出多种重建迭代形式,使重建精度得到有效提高。在有限角投影、随机噪声数据和无平滑处理等重建条件下,应用该族算法对复杂温度分布进行数值重建,对不同算法的重建效能和重建误差进行对比,分析了各算法与相关的改进代数重建技术在重建性能上的明显差异,并得出最优的偏折层析重建算法。     

电离层层析成像的一种改进算法

针对电离层层析成像算法中合理选择迭代初始值的问题,提出了一种联合使用乘法代数重建算法和最速下降法的改进算法,将迭代初始值的确定与图像优化重建过程进行统一,克服了乘法代数重建算法对迭代初始值的敏感,初始值的选取较为合理.数值模拟反演结果表明,相对于乘法代数重建算法,该算法有效地提高了电离层层析成像质量.     

自适应迭代平方根UKF的单站无源定位算法

针对单站无源定位可观测性弱、收敛速度慢、定位精度差等问题,在结合相位差变化率和多普勒频率变化率定位方法的基础上,提出了一种基于自适应迭代SRUKF的单站无源定位算法,通过使用误差协方差阵的平方根替代协方差阵参与滤波,保证了滤波算法的数值稳定性.在迭代判决准则的约束下,通过对状态及其误差协方差矩阵平方根的自适应迭代估计调整滤波的观测值与状态值之间的权比,使滤波预测值误差协方差阵的平方根更为准确、合理,从而提高算法的稳定性、收敛速度和定位精度.仿真结果验证了新算法的有效性.