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。     

基于Oracle罚函数的自适应约束差分进化算法

为有效求解约束优化问题,减少算法参数,提出基于Oracle罚函数方法的自适应约束差分进化算法。为满足求解优化问题的常用标准,提出一种改进的Oracle罚函数方法。将改进的Oracle罚函数方法与三种自适应差分进化算法相结合,提出三种自适应约束差分进化算法。对11个典型测试函数的优化结果验证了Oracle罚函数方法与自适应差分进化算法结合的有效性。与参考文献中提出的算法的比较结果表明该方法具有良好的寻优性能,因此基于Oracle罚函数方法的自适应约束差分进化算法是一种有效约束优化方法。     

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。     

基于精确罚函数的神经网络优化方法求解TSP问题

利用精确罚函数方法结合神经网络来求解最优化问题,重点求解的是组合优化问题的TSP经典问题,重点讲述的是Hopfield神经网络基于精确罚函数求解组合优化问题TSP,在用Hopfield神经网络求解TSP问题时,人工神经网络的初始态对应着无约束优化问题的初始解,人工神经网络系统的稳态对应着无约束问题的优化解。在求解TSP问题中是利用能量函数来构造的。当人工神经网络系统达到稳定状态时的一个极小点也就是TSP问题的最优解。     

结合罚函数与序列二次规划的[lp]范数优化方法

结合罚函数法与序列二次规划（SQP）方法研究了[lp]范数优化的求解算法。分析了基于SQP方法的[lp]范数优化算法,探讨了初值选取对算法收敛性的影响;针对SQP方法受迭代初值的限制,引入罚函数优化方法对迭代初值作预估计,使其进入可行域,采用SQP方法求解计算。实验结果表明,结合罚函数与SQP方法的[lp]范数优化算法对稀疏信号有较优的重构效果。     

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．     

聚合物熔体三维等温流动的罚有限元分析

本文针对幂律流体和非线性粘弹性PTT流体，采用罚有限元法，形成了求解聚合物熔体三维等温流动速度场和粘弹性应力场的有限元模型．对非线性粘弹性PTT流体，为了降低模拟计算对计算机硬件的要求，并使模拟计算更加稳定，采用了去耦算法，包括拟体力方法和动量方程的椭圆类方程转化方法等。文中还给出了总体有限元方程组的形成和求解过程。     

Overlay服务网络上的服务组合模型

分析了在Overlay服务网络上进行服务组合的必要性，指出了在进行组合时服务次序约束所带来的特定困难，进而给出了服务次序约束的形式化定义以及带OoS组播路由问题的数学优化模型。借助于罚函数的方法，将服务次序约束条件吸收到目标函数中，从而可以用求解一般组播优化模型的算法来求解新模型。     

改进的微粒群优化算法在过程综合中的应用

针对过程综合中的混合整数非线性规划(Mixed Integer Non-Linear Programming，MINLP)问题，利用改进的微粒群优化(Particle Swarm Optimization，PSO)算法对其进行求解。在基本的PSO算法的基础上，通过利用罚函数和引入sigmoid函数把PSO算法应用到MINLP问题的求解中，利用两个测试函数和一个过程综合的实例对其进行了测试并与其它算法所得的结果进行了比较，结果表明，PSO算法在使用的普遍性、求解的准确性方面都优于一般的算法，是一种有效的求解MINLP问题的方法。     

基于带惩罚因子椭球定界算法的软测量建模

软测量模型的预测精度和泛化性能是软测量建模的2个重要指标。基于最优定界椭球的极限学习机算法(OBE-ELM)虽然克服了传统极限学习机建模预测精度不高、预测结果不稳定等缺点,但是传统OBE算法仅考虑模型误差最小化,未考虑模型的复杂程度,导致模型易出现过拟合现象。基于上述问题,首先针对噪声未知但有界的非线性系统,提出了一种带惩罚项的椭球定界算法(POBE),在模型误差中加入惩罚项起到抑制参数增长太大和驱使不重要参数逐渐减小到零的作用,然后将POBE应用到ELM模型参数优化过程中。最后在信道参数估计实验和连续搅拌反应釜数据集上分别验证POBE及POBE-ELM有效性。     

一种解决非光滑伪凸优化问题的新型神经网络

针对带有不等式约束条件的非光滑伪凸优化问题，提出了一种基于微分包含理论的新型递归神经网络模型，根据目标函数与约束条件设计出随着状态向量变化而变化的罚函数，使得神经网络的状态向量始终朝着可行域方向运动，确保神经网络状态向量可在有限时间内进入可行域，最终收敛到原始优化问题的最优解。最后，用两个仿真实验用来验证神经网络的有效性与准确性。与现有神经网络相比，它是一种新型的神经网络模型，模型结构简单，无需计算精确的罚因子，最重要的是无需可行域有界。     

Differentially private high-dimensional data publication via grouping and truncating techniques

The count of one column for high-dimensional datasets, i.e., the number of records containing this column, has been widely used in numerous applications such as analyzing popular spots based on check-in location information and mining valuable items from shopping records. However, this poses a privacy threat when directly publishing this information. Differential privacy (DP), as a notable paradigm for strong privacy guarantees, is thereby adopted to publish all column counts. Prior studies have verified that truncating records or grouping columns can effectively improve the accuracy of published results. To leverage the advantages of the two techniques, we combine these studies to further boost the accuracy of published results. However, the traditional penalty function, which measures the error imported by a given pair of parameters including truncating length and group size, is so sensitive that the derived parameters deviate from the optimal parameters significantly. To output preferable parameters, we first design a smart penalty function that is less sensitive than the traditional function. Moreover, a two-phase selection method is proposed to compute these parameters efficiently, together with the improvement in accuracy. Extensive experiments on a broad spectrum of real-world datasets validate the effectiveness of our proposals.     

基于遗传算法的单机提前/拖期调度方法研究

针对对工件有不同交货期要求 ,并对提前 /拖期工件进行惩罚的一类单机调度问题 ,提出了基于遗传算法的优化方法 .提出一种基于“非”一致次序交叉算子的遗传算法 ,用于排序优化 ;在分析了惩罚函数性质的基础上 ,给出了最优开工时间算法 .对不同规模的调度问题 ,应用本文提出的算法与其它算法进行了比较 ,结果表明该方法具有优良的性能 .     

改进PSO-ISVM算法的软件缺陷预测

提出基于改进的粒子群优化支持向量机方法（PSO-ISVM）的测控软件缺陷预测方法。通过引入代价惩罚系数,定义粒子群优化算法中的适应度函数,利用最小化适应度函数值作为优化目标,排除大量的冗余干扰信息,提高对测控软件有缺陷模块的预测准确度,寻找支持向量机的最优参数。通过仿真实例分析测控软件有效性,并与常用缺陷预测方法进行比较,表明该模型能加快软件缺陷预测速度和提高对有缺陷模块的预测准确度。     

量子粒子群算法在易逝品多目标定价中的应用

对易逝品的多目标定价问题进行了研究。从利润最大化角度建立易逝品多目标最优定价模型。模型中涉及复杂的需求函数,常规函数极值法不易获得问题解析解,因此引入量子粒子群算法,结合惩罚函数对模型进行演化求解。根据给出的算例分析表明,利用量子粒子群算法,可以快速有效地得到不同订货量下的最优定价与折扣价组合。     

一种基于各向异性高斯核核惩罚的PCA特征提取算法

提出了一种基于各向异性高斯核核惩罚的主成分分析的特征提取算法.该算法不同于传统的核主成分分析算法.在非线性数据降维中,传统的核主成分分析算法忽略了原始数据的无量纲化.此外,传统的核函数在各维度上主要由一个相同的核宽参数控制,该方法无法准确反映各维度不同特征的重要性,从而导致降维过程中准确率低下.为了解决上述问题,首先针对现原始数据的无量纲化问题,提出了一种均值化算法,使得原始数据的总方差贡献率有明显的提高.其次,引入了各向异性高斯核函数,该核函数每个维度拥有不同的核宽参数,各核宽参数能够准确地反映所在维度数据特征的重要性.再次,基于各向异性高斯核函数建立了核主成分分析的特征惩罚目标函数,以便用较少的特征表示原始数据,并反映每个主成分信息的重要性.最后,为了寻求最佳特征,引入梯度下降算法来更新特征惩罚目标函数中的核宽度和控制特征提取算法的迭代过程.为了验证所提出算法的有效性,各算法在UCI公开数据集上和KDDCUP99数据集上进行了比较.实验结果表明,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法在9种公开的UCI公开数据集上准确率平均提高了4.49%.在KDDCUP99数据集上,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法准确率提高了8%.     

具有模糊时间窗的有容积约束车辆调度优化问题研究*

针对现实配送过程中存在的时间参数模糊化与车辆容积限制问题,利用梯形模糊代数、有符号距离和区间数距离公式,构造出一种较高精度的提前/滞后惩罚函数,在此基础上给出了一种以最小化服务点提前/滞后惩罚、最小化配送总里程以及最小化配送车辆数量为目标的、具有模糊时间窗的有容积约束配送车辆调度问题模型。在问题求解方面,结合粒子群算法和遗传算法,引入遗传算法思想对粒子进行交叉、变异操作,给出了一种基于遗传操作的混合粒子群算法,以解决基本粒子群算法容易陷入局部最优的问题。仿真实验表明,该算法具有可行性和有效性。     

基于精确障碍罚函数的多单元极值搜索算法仿真研究

等温连续搅拌釜式反应器通常采用基于正弦激励信号的极值搜索算法进行控制,且需要针对输入流量和热能约束条件构造简单障碍惩罚函数,反应过程普遍存在着输出颤振、收敛速度慢、准确性低等问题。为此提出基于精确障碍罚函数的多单元极值搜索算法对多个相同反应器进行同步实时控制,并应用多单元极值搜索算法对连续搅拌釜式反应器进行仿真验证:该算法可有效提高收敛速度和准确性,消除了输出颤振。