复合策略惯性权重的粒子群优化算法

针对粒子群优化算法中典型线性递减策略的惯性权重不能和运算过程中非线性变化的特点相匹配的问题,提出一种用典型线性递减策略和动态变化策略相结合的方法来确定惯性权重的粒子群优化算法(L-DPSO)。该算法充分利用了线性递减策略的线性和动态变化策略的非线性特点,对两种策略赋予了相应的权重。然后将L-DPSO算法和单独使用典型线性递减策略来确定惯性权重的粒子群优化算法(LPSO)及单独使用动态变化策略来确定惯性权重的粒子群优化算法(DPSO)进行比较,用Griewank和Rastrigin函数进行测试,结果表明,适当调整典型线性递减策略和动态变化策略的权重,L-DPSO算法的收敛速度明显优于LPSO和DPSO算法,收敛精度也有所提高。最后,对L-DPSO算法和几种常用的惯性权重计算方法确定的粒子群优化算法作比较,用Griewank和Rastrigin函数进行测试,结果表明L-DPSO算法也有明显优势。     

带扰动因子的布尔型粒子群优化算法

对二进制布尔型粒子群优化算法提出改进,通过在其速度更新公式中引入扰动因子避免粒子过早的陷入局部极值,提出两种调整惯性权重和学习因子取1的概率的策略以平衡算法的收敛和发散,分别是按照粒子相似性自适应调整和线性调整,由此得到两种带扰动因子的布尔型粒子群优化算法。4个基准测试函数的对比,实验结果表明了两种改进算法的有效性和优良性能。     

一种改进线性惯权的粒子群算法

粒子群算法是一类智能优化搜索算法,该算法初期收敛很快,但后期易陷入局部最优点。为了提高粒子群算法的性能,提出一种改进线性惯权粒子群算法。该算法中惯性权值采用线性递减线性递增策略,其增减受粒子群的聚集度影响。对两个典型的测试函数进行仿真表明,该算法的搜索效率和精度优于一般的粒子群算法和惯性权值线性递减粒子群算法,同时具有较好的收敛稳定性。     

基于混沌序列的自适应粒子群优化算法

提出一种改进粒子群局部搜索能力的自适应优化算法。通过大量仿真试验,考察粒子平均速度和收敛性之间的关系,给出一种新的自适应调整权重策略。以粒子平均速度作为反馈信息,动态调整权重因子,控制粒子速度并使其沿理想速度曲线下降。在搜索过程中引入混沌序列以改进算法的局部搜索能力。对经典函数的测试结果表明,改进的混合算法通过微粒自适应更新机制确保了全局搜索性能和局部搜索性能的动态平衡,在稳定性和精度上均优于普通PSO算法。     

基于二进制量子微粒群算法的二维熵图像分割

分析量子计算的特点,对量子旋转门进行研究,给出了新的量子旋转门调整策略,并与离散二进制粒子群优化算法进行组合,提出了二进制量子粒子群优化算法。该算法具有收敛速度快、全局寻优能力强的特点。用典型复杂函数对其进行测试,测试结果表明,算法的优化质量和效率都优于离散二进制粒子群优化算法。将二进制量子粒子群优化算法与阈值法相结合应用于图像分割,结果表明了基于二进制量子粒子群优化算法的二维熵图像分割法用于阈值寻优具有更快的收敛速度和更好的全局寻优能力。     

基于高斯扰动和自然选择的改进粒子群优化算法

为了有效地平衡粒子群算法的全局与局部搜索性能,提出一种基于高斯扰动和自然选择的改进粒子群优化算法。该算法在采用简化粒子群优化算法的基础上,考虑到个体最优粒子间的相互影响,使用所有融入高斯扰动的个体最优的平均值代替每个粒子的个体最优值,并且借鉴自然选择中适者生存的进化机制提高算法优化性能;同时通过含有惯性权重停止阈值的自适应调节余弦函数递减策略来实现对惯性权重的非线性调整并采用异步变化调整策略来改善粒子的学习能力。仿真实验结果表明,所提算法在收敛速度和精度等方面均有提高,寻优性能优于近期文献中的几种改进的粒子群优化算法。     

混沌惯性权值调整策略的粒子群优化算法

粒子群优化算法是一种新颖的智能优化算法。惯性权值对粒子群优化算法的性能有着重要的影响。在分析已有的惯性权值调整策略的基础上,提出了混沌惯性权值调整策略,该策略将惯性权值用一个混沌变量来描述。标准测试函数实验表明,在不影响优化结果精度的情况下,混沌惯性权值调整策略的粒子群优化算法收敛速度较已有方法有了明显的提高。     

量子粒子群优化算法的控制参数分析

针对现有的量子粒子群优化算法（ QPSO）中收缩扩张系数α取固定值或线性变化时,不能很好地适应复杂的多维非线性优化搜索问题,提出了两种参数α控制策略：基于Logistic函数的动态非线性递减策略和自适应参数调整策略。在第一种策略中引入S型函数来描述α值在进化过程中的动态变化特性,第二种策略中引入反馈调节方式来控制α值的变化。几个典型函数的实验测试结果表明,两种改进后的参数调整策略对于复杂优化问题在收敛速度和平均最优值上都有所改善,明显优于取固定值或线性变化策略。     

求解约束优化问题的改进帝企鹅优化算法

针对帝企鹅优化算法收敛精度低、易陷入局部最优等问题,提出一种改进帝企鹅优化算法求解约束优化问题.利用动态线性调整粒子数目策略结合两种变异操作的方式,增加算法探索能力与开发能力;通过引入一种存档替换操作机制,完善可行性准则的性能,加快算法收敛速度.基于13个标准测试问题和2个工程优化问题的实验结果表明,该算法对约束优化问题有效可行.     

权重自适应调整的混沌量子粒子群优化

针对量子粒子群优化算法在处理高维复杂函数收敛速度慢、易陷入局优的问题,利用混沌算子的遍历性提出了基于惯性权重自适应调整的混沌量子粒子群优化算法。该算法在运行过程中根据粒子适应值的优劣情况,相应采取不同的惯性权重策略,以调节粒子的全局搜索和局部搜索能力。对几个典型函数的测试结果表明,该算法在收敛速度和精度上有大幅度的提高,且有很强的避免陷入局优的能力,性能远远优于一般的粒子群算法和量子粒子群算法。     

On sinusoid estimation in nonstationary noise

This note presents a sinusoid estimation algorithm, which will converge to the spectrum of the sinusoid process in nonstationary additive noise. The algorithm is in the framework of the tangential Nevanlinna-Pick setting. The procedure is a generalization of Capon's maximum likelihood estimate and some classical limit theorem for orthogonal polynomials. The method is used in an experimental example to find the natural frequencies of a lightly damped structure.     

Positional Strategy of Forming the Investment Portfolio

The problem of optimal control of a multiplicative system modeling capital investments in securities of two kinds was considered. The stock market paradox was discussed. The logarithmic and quantile strategies belonging to the class of program strategies and aimed at overcoming this paradox were compared. A distinction of the logarithmic strategy was analyzed. A new positional strategy based on the confidence method was proposed.     

基于精英混沌搜索策略的交替正余弦算法

正余弦算法是一种新的基于种群的随机寻优方法,利用正余弦函数使解震荡性地趋于全局最优解,其线性调整策略及较弱的局部搜索能力严重地影响了算法的性能.为了提高正弦余弦算法的计算精度,提出基于精英混沌搜索策略的交替正余弦算法.新算法采用基于对数曲线的非线性调整策略修改控制参数,利用精英个体的混沌搜索策略增强算法的开发能力,并将基于该策略的正余弦算法与反向学习算法交替执行增强算法的探索能力,降低算法的时间复杂度,提高算法的收敛速度.对23个基准测试函数进行仿真实验,与改进的正余弦算法以及最新的基于启发式的算法进行比较,深入的参数实验分析以及比较结果验证了所提出算法的有效性,统计分析证实了所提出算法的优越性.     

Strategies for graphical threshold determination

Determining a threshold for a quantitative variable (arising in biological measurements for instance) is a common problem in medical decision making. We define seven commonly used strategies: each one leads to an optimal determination. To these strategies correspond relevant empirical curves: the ROC curve for strategies involving the sensitivity or the specificity, the predictive ROC curve (P-ROC curve) for strategies involving the positive and negative predicting values, and the well classified frequencies curve (WCF curve) for classification strategies where all misclassifications have the same importance. For one of the considered strategies, there also exists a theoretical formula for the optimal threshold, elicited within a classical probabilistic model, which gives a considerable advantage to this strategy. These strategies are applied to a stimulated example containing 702 cases, where we see that they lead to different optimal threshold values. Finally, we briefly review a practical application in the determination of thresholds for glycemia measurements, leading to the choice of one of them as the optimal one to consider in the gestational diabetes mellitus prediction.     

The interpretation of discontinuous state feedback control laws as nonanticipative control strategies in differential games

In differential games, one player chooses a feedback strategy to maximize a payoff. The other player counters by applying a minimizing open loop control. Classical notions of feedback strategies, based on state feedback control laws for which the corresponding closed loop dynamics uniquely define a state trajectory, are too restrictive for many problems, owing to the absence of minimizing classical feedback strategies or because consideration of classical feedback strategies fails to define, in a useful way, the value of the game. A number of feedback strategy concepts have been proposed to overcome this difficulty. That of Elliot and Kalton, according to which a feedback strategy is a nonanticipative mapping between control functions for the two players, has been widely taken up because it provides a value of the game which connects, via the Hamilton-Jacobi-Isaacs equation, with other fields of systems science. Heuristic analysis of specific games problems often points to discontinuous optimal feedback strategies. These cannot be regarded as classical feedback control strategies because the associated state trajectories are not in general unique. We give general conditions under which they can be interpreted as generalized feedback strategies in the sense of Elliot and Kalton.     

多Agent自动协商策略和算法

针对传统协商过程周期长、代价高的问题,提出了三类形式化的曲线簇来描述Agent所采取的协商策略以及一种数学化和计算机程序化的多Agent自动协商算法。这三类策略分别为急躁型、节俭型和折中型。通过实验模拟发现采用所提出的协商策略和算法更符合人类思维的直观。该方法可应用于多种电子商务交易（如B2B和B2C）等活动中。     

基于诊断证据静态融合与动态更新的故障诊断方法

提出一种将诊断证据静态融合与动态更新相结合的故障诊断方法.在静态融合阶段,利用Dempster组合规则融合每个时刻的多条局部诊断证据,获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标;在动态更新阶段,基于条件化的线性组合更新规则,利用当前时刻静态融合证据更新历史证据,获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标.在两个阶段中,基于静态和动态信度收敛性指标函数,分别给出相应的优化学习方法,获取静态融合中局部诊断证据的静态折扣系数、动态更新中历史与当前证据的更新权重系数等参数的最优值.在最大信度原则下,利用更新后获取的诊断证据做出诊断决策.最后,通过在电机柔性转子实验台上的诊断实验,将所提方法与已有的典型融合诊断方法进行了对比分析,说明所提出的融合诊断方法及其性能指标函数和参数优化方法的有效性.     

多策略并行学习的异构粒子群优化算法

针对标准粒子群优化(PSO)算法在复杂问题上收敛速度慢和早熟收敛的缺点,提出了一种多策略并行学习的异构PSO算法(MHPSO).该算法首先从种群多样性和跳出局部极值的角度提出了两种新学习策略(局部扰动学习策略和高斯子空间学习策略),并将这两种策略与MBB-PSO策略融合组成高效稳定的策略池.其次提出了一种简单有效的策略更换机制,指导粒子迭代寻优中何时更换学习策略.基准测试函数的实验结果表明,改进的粒子群优化算法在求解精度和收敛速度上得到极大的提高.与一些改进PSO算法(如自适应的粒子群优化(APSO)算法等)相比,所提算法具有更优良的寻优性能.     

差分进化算法的交叉概率因子递增策略研究

为了有效地控制差分进化算法的全局搜索和局部搜索,基于递增交叉概率因子的基本思想,在已有的自适应二次变异差分进化算法的基础上,提出了开口向下抛物线、开口向上抛物线和指数曲线3种非线性的交叉概率因子递增策略,并用4种经典函数对它进行测试。测试结果表明,对于多数连续优化问题,在初始参数相同的情况下,凹函数递增策略优于线性策略,而线性优于凸函数策略。凹函数递增策略能够在不影响收敛精度的情况下较大幅度地提高差分进化算法的收敛速度。     

Exact rotation-minimizing frames for spatial Pythagorean-hodograph curves

An exact specification of the rotation-minimizing frame on a spatial Pythagorean-hodograph (PH) curve can be derived by integration of a rational function. The result is an angular function θ(t) of the curve parameter, comprising in general both rational and logarithmic terms, that specifies the orientation of the rotation-minimizing frame relative to the Frenet frame. For PH cubics and quintics, the solution employs only arithmetic operations on the curve coefficients and some complex square and cube root extractions. Moreover, the generalization to PH curves of arbitrary order entails only standard polynomial algorithms (i.e., arithmetic, greatest common divisors, and resultants), solution of a linear system, and a minimal element of polynomial root-solving. Rotation-minimizing frames are employed in computer animation, the construction of swept surfaces, and in robotics applications where the axis of a tool or probe should remain tangential to a given spatial path while minimizing changes of orientation about this axis.