约束规划在原油调度中应用的探索

针对数学规划方法应用在原油调度中对非线性约束和连续变量处理的局限性,通过分析约束规划方法解决问题的原理、建模方式和搜索机制,指出了应用约束规划方法解决原油调度问题的可能性和优势;并针对实际问题,分别应用两种方法进行建模、求解．通过对结果的分析得出,约束规划方法建模简单,可直接处理非线性问题,对连续变量和整型变量都可以很快求得可行解。     

非线性约束规划的极大熵多目标进化算法

解非线性约束规划的困难在于如何处理问题的约束,从问题的约束条件出发构造了一个新的极大熵函数,利用此函数将原非线性约束规划问题转化成了两个目标的多目标优化问题。通过对搜索操作和参数的合理设计给出了一种新的极大熵多目标进化算法。计算机仿真表明该算法对带约束的非线性优化问题求解是非常有效的。     

大型组合结构优化设计的一种算法

一、引言 用有限元素法进行大型结构优化设计,其困难主要是结构重分析化费时间太长和处理复杂的非线性约束问题。因此,国内外都在探求能处理非线性约束、重分析次数少的算法,同时采用各种技巧尽量减少每次重分析的计算时间。 求解约束非线性规划有几种途径。一种是把约束规划变成无约束规划,采用不同方法把目标函数变成增广目标函数,求增广目标函数的无约束最小化。这种方法有广泛适用的优点,因此通常用得较多。另一种途径是用直接处理约束的方法来解非线性规划。     

一种求解线性约束的非线性规划神经网络方法

针对线性约束的非线性规划的求解问题,利用罚函数求解优化问题的思想将其转化为二次凸规划,基于神经网络的结构特性,定义所需的能量函数,从而使网络收敛于唯一稳定点最终实现线性约束的非线性规划的求解。实验仿真结果表明,该方法是有效和正确的,且能推广到含参的非线性规划和多目标规划中去。     

一类特殊约束的规划问题Lingo求解

Lingo主要用来求解大型教学规划问题,针对一类特殊的约束规划同题,提出使用穿线法将该约束转化为一个等价的非线性约束,然后利用Lingo 8.0求解,取得了满意的结果.     

解灰色非线性规划问题的随机搜索算法

对带约束条件的灰色非线性规划问题进行了探讨,首先将原灰色约束非线性规划问题进行均值白化处理,转化成一个确定型的带约束条件的非线性规划问题,对该确定型的非线性约束规划问题提出一个基于分布估计算法的随机搜索方法,对所提出的求解方法的关键技术作了详细的说明并给出了具体的算法步骤。 初步的数值算例表明所提出的方法是可行有效的     

非线性规划问题的极大熵多目标粒子群算法

结合非线性规划的约束条件构造了一个新的极大熵函数,利用该函数将问题转化成了两个目标的多目标优化问题.通过对违反约束动态的进行惩罚,提出了一种新的极大熵多目标粒子群算法.该方法能有效的保持群体中不可行解的一定比例,从而增加了群体的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近.计算机仿真表明,该算法对非线性规划问题求解是非常有效的.     

基于输入输出线性化的连续系统非线性模型预测控制

非线性约束预测控制关键是求得可行性优化解. 输入输出反馈线性化是非线性控制一种常用的方法, 其系统的初始线性输入约束转化成非线性基于状态的约束, 因而无法采用常规的二次规划(QP)求解优化问题. 针对连续状态空间模型系统, 本文提出迭代二次规划方法来寻求非线性优化解. 为了保证算法的收敛性, 系统加入另外一种迭代算法来保证其在整个预测时域上能得到可行解. 仿真控制结果表明了该方法的有效性.     

约束非线性系统多变量最优控制研究

近年来，非线性规划算法在最优控制领域中正受到越来越多的关注。该文深人研究并实现了一种新的非线性规划算法——FSQP算法，该算法具有所有迭代点均处于可行域之内、收敛速度较快的特点。提出了一种基于FSQP算法的约束非线性系统最优控制方法。然后，运用该方法解决了带有约束的复杂非线性系统的多变量时间最优控制问题，并通过计算机仿真表明了该控制算法的可行性和良好的控制效果。     

基于SQP/GA混合优化算法的双容水箱非线性预测控制

为了计算控制序列，非线性模型预测控制可以转换为一个带约束的非线性优化过程．本文分析了三种约束处理方案，根据遗传算法的特点，将等式约束用于状态量计算，在搜索空间降维的同时消除遗传算法难以求解的等式约束．对双容水箱进行遗传算法和序列二次规划仿真试验和实际控制，结果表明遗传算法对控制量的优化效果优于序列二次规划．为克服遗传算法耗时较长、优化结果存在随机抖动的缺点，结合序列二次规划提出一种混合优化算法，仿真和实控结果表明其可行性和有效性．     

基于特征选择的字符识别

特征选择问题是机器学习和模式识别中的一个重要问题。其本质上是一个多因素优化问题。该文将试验设计与多因素优化问题联系起来,利用正交试验设计的统计特性,从特征集中筛选有效鉴别特征子集。在南京理工大学NUST603HW手写汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的试验结果表明,所提出的特征选择方法不仅提高了识别率,而且识别结果十分稳定。     

基于量子神经网络的手写体数字识别方法研究

手写体数字识别问题是模式识别领域的一个重要研究课题.提出了一种基于多层激励函数的量子神经网络和多级分类器组合的手写体数字识别方法,采用MNIST数据库进行训练和测试.实验结果表明,该识别方法在识别率和可靠性方面均有很好的效果,同时也体现出量子神经网络用于模式识别的优越性和潜力.     

改进的特征选择算法

特征选择是模式识别领域中的一个重要问题,其本质是一个寻优的过程.在特征选择算法FOS的基础上,提出了一种特征选择算法.该算法选择出了最能代表样本大多数特征的特征,构成有效特征子集,实现了数据的降维.基于南京理工大学NUST603HW手写汉字库的实验结果表明,该算法不仅提高了识别率,而且稳定性更强.     

手写体字符识别的多特征多分类器设计

特征选取和分类器设计是字符识别系统设计的关键。文章针对手写体汉字和阿拉伯数字混和字符集的识别提出了依据不同的分类要求,分别选取不同的字符特征并采用神经网络多分类器进行识别的设计方法。实验结果表明,该方法用于手写体混合字符集的识别是行之有效的。     

手写体数字有效鉴别特征的抽取与识别

文中提出了基于后验概率估计的多特征多分类器组合识别的估计法,并提出了基于具有统计不相关性的最佳鉴别变换与ＫＬ变换抽取手写体数字的有效鉴别特征的方法。实验采用Ｃｏｎｃｏｒｄｉａ Ｕｎｉｖｅｒｓｉｔｙ ＣＥＮＰＡＲＭＩ手写体数字数据库。用最近邻距离分类器与最近邻相关分类器这两个分类器,对手写体数字的１２个特征做多特征多分类器组合识别实验。实验结果表明：估计法优于常用的投票法与计分法,估计法的识别率高达     

手写液晶体数字及识别技术

对手写数字的识别是模式识别的一个重要研究方向。通常的手写数字风格多变,无法实现高精度的识别。为此,提出一种新颖的手写数字记录方式,称为“手写液晶体数字”,进而为其设计了一种专门的识别算法。通过多个采样窗口提取图像特征,并与各类数字的标准特征向量进行相似度计算;基于贝叶斯判决原理,依据最大后验概率完成分类;建立专门的数据集并进行测评。实验结果表明,新算法具有极高的识别率,而且识别速度很快。     

自由手写体数字表格自动识别系统

自由手写体的识别是模式识别的一个重要课题,该文论述了一个面向具体应用领域的集数据表格的描扫、识别、数据自动入库为一体的软件系统,研究了数字的切分、快速识别等关键技术。采用了一种基于笔道方向的手写体数字识别的方法。     

结合图元与感知哈希的手写输入简笔画识别

目的 为了克服手写输入中随意性强和自由度大的缺陷,同时兼顾简笔画的整体属性和局部特征,提出一种基于图元识别与感知哈希技术相结合的手写输入简笔画二级识别算法。方法 首先提取笔画的几何特征、笔序特征及结构特征且进行识别,然后查找由图元信息、笔画结构信息和笔序信息构成的简笔画语义库,完成由规则的几何图元构成的简笔画识别;若未被识别,则生成简笔画图像,利用感知哈希技术完成简笔画图像的识别。结果 基于本文提出的简笔画识别方法,实现了对样本库中150种简笔画对象的识别,平均识别率为82.6%。结论 实验结果表明,对于不同用户手写输入的任意样本库中的简笔画,该方法具有较高的识别率,此外,还可以通过在简笔画语义库和样本库中增加简笔画的种类等方式实现对更多种类简笔画的扩展识别。     

Handwritten Chinese text editing and recognition system

This paper describes a handwritten Chinese text editing and recognition system that can edit handwritten text and recognize it with a client-server mode. First, the client end samples and redisplays the handwritten text by using digital ink technics, segments handwritten characters, edits them and saves original handwritten information into a self-defined document. The self-defined document saves coordinates of all sampled points of handwriting characters. Second, the server recognizes handwritten document based on the proposed Gabor feature extraction and affinity propagation clustering (GFAP) method, and returns the recognition results to client end. Moreover, the server can also collect the labeled handwritten characters and fine tune the recognizer automatically. Experimental results on HIT-OR3C database show that our handwriting recognition method improves the recognition performance remarkably.