一种基于罚函数的机器人路径规划方法

给出了一种基于罚函数的机器人路径规划方法;这种方法将机器人的路径规划由一系列带约束非线形规划问题转化为一系列无约束非线形规划问题来求解,仿真结果表明,罚函数方法是一种富有效率的解决机器人路径规划问题的方法,能够大幅度降低运算时间的复杂性,提高移动机器人的实时性。     

解约束优化问题的一种新的罚函数模型

罚函数法是进化算法中解决约束优化问题最常用的方法之一,它通过对不可行解进行惩罚使得搜索逐步进入可行域.罚函数常定义为目标函数与惩罚项之和,其缺陷一方面在于此模型的罚因子难以控制,另一方面当目标函数值与惩罚项的函数值的差值很大时,此模型不能有效地区分可行解与不可行解,从而不能有效处理约束.为了克服这些缺点,首先引入了目标满意度函数与约束满意度函数,前者是根据目标函数对解的满意度给出的一个度量,而后者是根据约束违反度对解的满意度给出的一个度量.然后将两者有机结合,定义了一种新的罚函数,给出了一种新的罚函数模型.并且设置了自适应动态罚因子,其随着当前种群质量和进化代数的改变而改变.因此它很易于控制.进一步设计了新的杂交和变异算子,在此基础上提出了解决约束优化问题的一种新的进化算法.通过对6个常用标准测试函数所作的数据仿真实验表明,提出的算法是十分有效的.     

基于罚函数算法的感应式磁力仪优化设计

低等效磁场噪声、轻小型感应式磁力仪是空间、深地磁测等应用的必然要求。本文提出了一种在感应式磁力仪参数及等效磁场噪声、轻小化约束下,求解最优感应线圈匝数、线径参数配置的方法。文中首先建立了感应式磁力仪等效磁场噪声、重量指标数学模型,然后基于罚函数算法求解其数值解,从而得到感应线圈匝数、线径参数最优值。为验证理论分析结果,根据优化参数制作感应式磁力仪并进行指标测试,测试结果与理论设计相吻合,验证了基于罚函数算法求解感应式磁力仪最优参数的准确性。     

基于广义罚函数可行性准则的DE算法对不确定数据的处理

针对不确定数据集成效率低的问题,构造基于区域分割的广义罚函数可行性准则,分析了分割搜索区域的迭代点特征和可行性准则的性质与优势,据此提出一种基于广义罚函数可行性准则改进的DE算法(DE-GPFFC算法).机器学习数据集UCI中不确定数据集的数值结果显示:不确定数据集中最优可行点趋向概率0.5分布,其他数据点趋向概率0,1分布,其中趋向于概率0.5分布的数据点位于可行域int(D),其他数据点位于非可行域out(D).DE-GPFFC算法使得不确定数据集在可行域边界Round(D)进行跨区域搜索,有效提高了不确定数据分类集成效率.     

非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量回归方法

化工厂中过程数据的质量严重影响到来自例如性能监控, 在线优化和控制等活动所获得的效益和性能. 由于许多化工过程通常表现为非线性动态特性, 例如扩展卡尔曼滤波(EKF)和非线性动态数据协调(NDDR)等技术已经被发展出来改进数据的质量. 近期, 迭代非线性动态数据协调(RNDDR)技术已被提出, 该技术结合了EKF和NDDR技术的优点. 但是, RNDDR技术不能够处理具有显著误差的测量值. 本文中, 一种非线性动态系统中迭代的同步数据协调与显著误差检测的支持向量(SV)回归方法被提出. SV回归是一种经验风险和结构风险间的妥协, 并且对于数据协调来说, 其对随机误差和显著误差是鲁棒的．通过将结构风险取代RNDDR中的极大似然估计并使其最小化, 我们的方法不仅可以实现迭代非线性动态数据协调, 还可以同时实现显著误差检测. 本文中的非线性动态系统仿真结果显示出, 所提出的方法在迭代实时估计框架下, 对于非线性动态系统的同步数据协调和显著误差检测是鲁棒、稳定并且精确的. 该方法也可以提供更好的控制性能.     

参数线性规划问题的新型光滑精确罚函数神经网络

针对不等式约束条件下,目标函数和约束条件中含有参数的线性规划问题,提出一种基于新型光滑精确罚函数的神经网络计算方法．引入误差函数构造单位阶跃函数的近似函数,给出一种更加精确地逼近于Ll精确罚函数的光滑罚函数,讨论了其基本性质;利用所提光滑精确罚函数建立了求解参数线性规划问题的神经网络模型,证明了该网络模型的稳定性和收敛性,并给出了详细的算法步骤．数值仿真验证了所提方法具有罚因子取值小、结构简单、计算精度高等优点．     

基于精确罚函数的一类广义非线性神经网络模型

针对一般的非线性优化问题定义了一种2次非线性罚函数,证明了在一定条件下对应的罚优化问题的精确罚定理,由此引进了一种广义非线性神经网络模型,并证明了这种网络的平衡点与能量函数之间的联系,在一定条件下对应的平衡点收敛到原问题的最优解.这种神经网络模型对于求解许多优化问题具有重要的作用.     

一种关于目标罚参数的精确罚函数法

罚函数法是一种将约束优化问题转化为无约束问题的重要方法.对于一般的约束优化问题,通过加入新参数,给出了一种改进的精确罚函数和这种罚函数的精确罚定理证明,提出了求解这种罚函数的算法.实验表明该算法是有效的.     

基于罚函数的小生境遗传算法在MATLAB中的实现

介绍了罚函数的基本概念及目的，阐述了基于罚函数的小生境遗传算法的基本思想及算法步骤，探讨了在MATLAB环境中实现该算法各算子的编程方法，并通过数值实验说明基于罚函数的小生境遗传算法具有较好的多峰搜索能力。     

基于QR分解与罚函数方法的盲分离算法

基于信号的白化变换及矩阵的QR分解理论，提出了一种新的盲分离算法。该算法将对混叠矩阵的辨识转化成对一系列Givens矩阵的辨识，从而减少了对n^2-c^2n个未知矩阵元素的辨识，降低了其计算量。另外，在对未知元素进行辨识时，采用了改进的罚函数算法，这样又大大提高了算法的收敛性能。仿真结果表明，该算法不仅缩短了分离时间，而且有很好的分离效果。     

数据校正技术在能源经营计量系统中的应用

基于矩阵分解方法对过程变量进行分类,提出了一种广泛适用的数据协调算法。总结了GT(global test)和GLR(generalized likelihood ratio)算法,提出了一种基于顺序补偿原理的多过失误差侦破算法,实现对复杂工艺流程中存在的多个过失误差进行高效定位和准确补偿。通过数据协调和过失误差侦破,成功地解决了能源经营计量网络中能源供求不平衡等问题,并且对仪表故障诊断提供了重要的指导意义。     

显著误差检测的改进SICC算法

提出了一种改进的SICC(顺序识别显著误差并同步补偿)算法．改进后的算法利用时间冗余性，加入对过程测量变量的上下限约束，避免了显著误差的误判．并且通过对显著误差进行逐步的幅度补偿，再采用MT（测量残差检验）法找出候选显著误差集，避免了投影矩阵的计算．通过加入必要的回路检测，避免了幅度补偿后矩阵奇异性的产生．对蒸汽系统过程网络进行仿真研究，仿真结果表明了改进算法的有效性．     

石化企业CIMS中过程数据的整合

介绍了石化企业在CIMS的建设中，实时过程数据的整合问题及其解决方法。针对炼油厂的应用示例，阐述了原始数据整合在CIMS中实现物料平衡的必要性，分析了OpenYield／DATAcon软件在数据整合中的机理过程和原理。     

一种新的动态过程数据校正方法

数据校正技术能有效地提高测量数据的质量。本文提出了一种基于过程模型少统计分析和动态过程数据校正方法,该方法能同时进行过失误差检测并最终得到各个变量的校正值。对这种方法进行了仿真研究,仿真结果证实了该方法的有效性。     

基于惩罚函数的演化测试优化方法研究

演化测试是一种有效的测试用例自动生成技术。它将测试用例的生成的过程转化为一个利用遗传算法进行数值优化的问题,可以自动生成高质量的测试用例。目前,演化测试技术已经在许多测试领域被广泛地研究。研究发现,演化测试过程中无效解和局部最优解的存在扰乱了演化正常进行,降低了演化测试的性能。针对演化测试中存在的问题,提出基于惩罚函数的适应值函数F（x）,对无效解和局部最优解进行惩罚,有助于演化过程中根据适应值选择更合适的个体进行遗传操作,提高演化测试的性能。实验结果表明,F（x）有效降低了无效解和局部最优解的适应值,提高了演化测试的性能。     

基于惩罚函数泛化的神经网络剪枝算法研究

神经网络的隐层数和隐层节点数决定了网络规模,并对网络性能造成较大影响。在满足网络所需最少隐层节点数的前提下,利用剪枝算法删除某些冗余节点,减少隐层节点数,得到更加精简的网络结构。基于惩罚函数的剪枝算法是在目标函数后加入一个惩罚函数项,该惩罚函数项是一个变量为网络权值的函数。由于惩罚函数中的网络权值变量可以附加一个可调参数,将单一惩罚函数项泛化为一类随参数规律变化的新的惩罚函数,初始惩罚函数可看作泛化后惩罚函数的参数取定值的特殊情况。实验利用基于标准BP神经网络的XOR数据进行测试,得到隐层节点剪枝效果和网络权值随惩罚函数的泛化而发生变化,并从数据分析中得出具有更好剪枝效果及更优网络结构的惩罚函数泛化参数。