基于极大熵差分进化混合算法求解非线性方程组*

针对非线性方程组,给出了一种新的算法——极大熵差分进化混合算法。首先把非线性方程组转换为一个不可微优化问题;然后用一个称之为凝聚函数的光滑函数直接代替不可微的极大值函数,从而可把非线性方程组的求解转换为无约束优化问题,利用差分进化算法对其进行求解。计算结果表明,该算法在求解的准确性和有效性均优于其他算法。     

求解一类不可微多目标优化问题的社会认知算法*

针对一类不可微多目标优化问题,给出了一个新的算法——极大熵社会认知算法。利用极大熵方法将带有约束的不可微多目标优化问题转化为无约束单目标优化问题,然后利用社会认知算法对其进行求解。该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性和智能性从而完成对目标的优化。利用两个测试算例对其进行测试并与其他算法进行比较,计算结果表明,该算法在求解的准确性和有效性方面均优于其他算法。     

基于极大熵和声搜索算法的非线性方程组求解

提出一种基于极大熵和声搜索(HS)的非线性方程组求解算法。利用极大熵函数代替不可微的极大值函数,从而将非线性方程组问题转化为一个无约束极小化问题,并通过HS算法对其进行求解。数值实验结果表明,与牛顿算法相比,该算法简单直观,具有较高的求解准确性。     

基于Hermite插值的SVM研究

在传统SVM的分类求解算法中,由于严格凸的无约束最优化问题中单变量函数x+是不可微的,不能使用通常的最优化的算法进行求解。三次Hermite插值多项式光滑的支持向量机模型采用的是一种多项式光滑技术,用三次Hermite插值多项式代替单变量函数x+,将原来不可微的模型变为可微的模型,并且给出了三次Hermite插值多项式光滑化单变量函数x+的推导过程。使用UCI机器学习数据集中的数据,通过实验验证了该模型的有效性。     

云数据库中基于极大熵差分进化的负载评估算法

由于分布式关系型数据库基于两阶段提交协议的设计方式,使得系统如出现单节点瓶颈问题,数据库事务将全部回滚,从而造成巨大的系统开销,影响数据库在大数据环境下的应用。针对这一现状,提出一种基于极大熵差分进化的负载评估算法,利用评价函数法,将多目标优化问题转化为不可微的单目标优化问题,再利用极大熵函数,将不可微优化问题转化为一个带有参数的无约束优化问题,最后用差分进化算法对其进行求解,找出节点资源最优集,从而为过载节点的数据迁移提供了理论依据,也进一步实现了对云数据库的设计。实验结果表明,该算法能够提高系统的整体性能,有效避免单节点瓶颈问题。     

融合Powell搜索法的粒子群优化算法

为了进一步提高多模态函数寻优的效率,提出一种融合Powell搜索法的粒子群优化算法.将PSO算法的全局搜索能力与Powell法的强局部寻优能力有机地结合起来,在保证求解速度,尽可能找到全部极值点的同时提高了解的精确性.由于该算法只利用了函数值信息而不需要计算导数,是求解可微和不可微多模态函数优化问题的通用方法.仿真实验表明了新混合算法的有效性.     

基于自适应罚函数的QPSO算法的代谢通量评估*

针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。     

采用不可微精确罚函数的约束优化演化算法

针对多数已有的采用罚函数的约束优化遗传算法存在优化效果差的问题 ,提出了一种新的求解约束优化问题的演化算法 .借助不可微精确罚函数把约束问题转化为单个无约束问题来处理 .采用混合杂交和间歇变异来提高算法的搜索能力 .数值实验结果表明了新算法的优化效果远远优于已有的几种采用罚函数的遗传算法     

绝对值方程的交叉熵蝙蝠算法求解

针对绝对值方程这一NP-难问题和其转换为无约束优化问题具有不可微的特点,一种交叉熵蝙蝠算法被构建.该算法将基于方差最小化、重要性抽样和Kullback-Leibler距离的交叉熵随机优化算法嵌入到基于仿生学的蝙蝠算法中,充分发挥交叉熵方法的随机性、自适应性和鲁棒性,有效抑制蝙蝠算法的早熟收敛现象,提高优化性能.数值结果表明,新算法具有全局搜索能力强、计算精度高和数值稳定性好等特点,也适用于高维绝对值方程问题.     

用改进的模拟退火算法实现对单伺服机分层水平旋转货架存取路…

针对一类组合优化问题，提出并设计了改进的模拟退火算法，首次将其应用于解决自动化仓库中分层水平旋转货架存取货物路径的优化问题。计算机仿真结果表明：改进的模拟退火算法可以在较短时间内计算出十分接近全局最优解的次优解，在解决复杂性高、规模大、变量离散、目标函数不可微的优化问题中，改进的模拟退火算法具有巨大的优越性。     

三对角线性方程组的分布式并行算法

文中回顾了Ｍｉｃｈｉｅｌｓｅ＆Ｖｏｒｓｔ算法，分析了影响Ｍ＆Ｖ．算法并行效率的主要因素，根据分布治之思想提出了一种求解三对角方程组的并行算法，新算法通信建立次数的Ｍ＆Ｖ算法的５０％，数据传输量为其３３％，最后的工作站网络环境下实现了新算法，就并行效率与Ｍ＆Ｖ算法进行了比较，结果表明在由６台工作站的组成的网络中新算法必能提高可达到４０％。     

三点Delta测量方法在6.5位数字多用表中的应用

电阻测量是数字多用表的基本功能之一,减小误差提高测试精度是测量设备追求的目标;针对6.5位数字多用表的电阻测量问题展开了测量方法的讨论,介绍了一种新的测量方法即三点Delta法;对比传统2线和4线电阻测量法阐述了三点Delta法的基本原理,从理论上分析了该方法的优越性;同时,设计了三点Delta法测试电路,并简要介绍了其硬件实现;经实用证明,该方法完全满足了工程应用的要求.     

PID调节器自整定的PM法及其公式推导

本文提出了一种只基于给定相位裕度的自整定方法,并推导出一套相应的自整定公式。对ＰＭ法,临界比例度法,理想继电特性法作了比较性研究。研究结果说明,ＰＭ法优于Ｚ－Ｎ法和Ａｓｔｒｏｍ法。该法现已用于“玻纤拉丝漏板的智能温度控制仪“的科研项目中,并取得了满意的控制效果。     

二维二通道小波的构造与图像融合应用

提出了一类新的二维二通道小波的一种构造方法，并把此类小波应用于图像融合中，提出了利用小波分解后的低频子图像的梯度图对高频子图像进行融合的图像融合算法，并采用熵、均方根误差等指标对融合结果图像进行了评价。实验结果表明，该方法有较好的视觉效果。其融合性能好于采用相同融合算法的基于张量积四通道小波的融合方法，并能节约50%的运算量。     

采用分数阶动量的卷积神经网络随机梯度下降法

针对随机梯度下降法可能会收敛到局部最优的问题,文中提出采用分数阶动量的随机梯度下降法,提高卷积神经网络的识别精度和学习收敛速度.结合基于动量的随机梯度下降法和分数阶差分运算,改进参数更新方法,讨论分数阶阶次对网络参数训练效果的影响,给出阶次调整方法.在MNIST、CIFAR-10数据集上的实验表明,文中方法可以提高卷积神经网络的识别精度和学习收敛速度.     

可修复系统事后维修可靠性仿真

指出了Markov方法和Monte-Carlo方法在可修复系统可靠性仿真中存在的问题,并提出了一种新的方法,称为RSS方法,从理论上系统地阐述了RSS方法的基本原理及算法过程,并在理论上验证了其正确性.利用RSS方法可以对事后维修可修复元件和系统的可靠性进行仿真.RSS方法不受系统元件寿命分布类型限制,计算量小,仿真时间短,精度高,仿真结果具有确定性,弥补了Markov方法和Monte-Carlo方法的不足,具有实际可靠性工程应用价值.给出了并联和串联可修复系统事后维修可靠性仿真实例.     

具有线性精度的Cuberille方法

针对Cuberille方法精度低、显示效果差的缺点，将Cuberille方法形成的小立方体侧面边界作为骨架，在其基础上蒙上一层多边形网格．多边形网格通过扩张小立方体的侧面得到，这种扩张可以弥补由Cuberille方法造成的误差，从而使多边形网格具有线性精度．详细讨论了如何确定多边形网格顶点的位置、法向量以及多边形网格的构造方法，所构造的多边形网格具有明确的几何意义．最后，分析了算法的复杂性，并且以具体实例对新方法和Marching Cube方法及Cuberille方法在显示效果和时间消耗上进行了比较．     

离散事件动态系统性能评估的改进标准钟方法

标准钟（SC）方法是求解离散事件动态系统（DEDS）性能评估问题的十分有效的 仿真手段． 文中在SC的基础上提出了一种新的仿真算法——改进标准钟方法（ISC）．ISC 方法是一种和减小方差技术（VRT）中的条件期望法紧密结合的仿真算法，其算法中去掉了S C方法中的核心概念——标准钟．和SC方法相比，ISC方法不但具有更小的计算负担，而且还 具有更好的评估精度．文末给出的各种算例，均验证了ISC方法的有效性．     

混合蒙特卡罗箱传感器定位方法的研究

为了提高传感器节点自定位精度,满足不同网络规模应用的需要,对传统蒙特卡罗方法进行了改进,提出了一种新的自定位方法,解决了采样速度慢的应用限制。对于采样速度,采用混合采样箱方法提高采样成功率。仿真实验结果表明:此算法提高了定位精度,具有自适应性和实用性。     

基于欧氏权距离法的多生物特征身份鉴别

通过融合不同的生物特征可以改进身份鉴别系统的验证性能。本文借鉴多传感器信息融合技术中聚类分析的思想,提出了基于欧氏权距离法的多生物特征融合的身份鉴别方法。该方法并不局限于特定的两类或多类生物特征,同时该方法克服了传统的估计方法和统计方法需要先验概率和概率密度函数的缺点,更加符合实际应用的需要。