求解泛函方程的泛函网络方法

给出一种求解泛函方程的泛函网络方法,设计了一种泛函网络模型用于逼近一类泛函方程的实根问题,并给出了相应地学习算法.该算法通过求解线性方程组可得到网络参数.相对于传统方法,该方法不但能够快速求出泛函方程的精确解,而且可获得所求泛函方程的近似解.计算机仿真结果表明,该算法可行有效.     

求解大规模TSP问题的自适应归约免疫算法

从理论上分析了影响多级算法性能的因素,并以此为依据构造了求解TSP问题的自适应归约免疫算法.该算法借助归约集的进化使归约集规模自适应增长,归约边的预测精度不断提高,从而提高了算法在归约后找到全局最优解的概率.实验结果表明,该算法比其他算法获得了质量更高的解.     

连续空间多目标最优化问题的蚁群遗传算法

本文提出了一种基于蚁群算法和遗传算法的多目标蚁群遗传算法,用于解决连续空间中带约束条件多目标最优化问题。本算法先将解空间分解成子区域,再用信息素标定这些子区域,信息素对遗传搜索进行指导,在搜索中更新信息素,同时采用了最优决策集的更新策略和搜索收敛退出机制,从而提高求解效率,降低算法复杂度。实验证明,与以往算法相比,此算法能更快、更精确地逼近Pareto前沿。     

可满足问题中的模型计数

模型计数问题是指计算给定问题的解的个数,这是一类比决策更困难的问题,也是人工智能领域研究的一个热点问题.对模型计数问题的研究不仅可以提高算法的求解效率,更能促进对问题困难本质的了解.以可满足问题（命题可满足（SAT）和约束可满足问题（CSP））为例,从精确算法和近似求解两方面综述了模型计数问题的研究现状,重点介绍了相关概念以及各个算法之间的优缺点,并提出了有待解决的开放性问题,对模型计数问题的研究予以了总结和展望.     

基于量子遗传算法的蚁群多目标优化研究

针对蚁群算法解决一些复杂多维问题的能力不强,容易陷入局部最优,造成算法早熟的情况.为解决上述问题,提出了一种用量子衍生方法的多目标蚁群算法,可用量子遗传算法的全局搜索和蚁群算法的群体智能机制,将蚁群优化与量子遗传算法相结合,用于多维0-1背包问题的求解.与同类算法进行对比分析,实验证明改进算法不仅能更快更精确地逼近Pareto最优前端,并能够维持Pareto最优解分布的均匀性,有效的提高了计算效率和搜索效率,且能弥补蚁群算法的不足.     

多项式求解的OFDM连续信号的峰均比估计算法

在OFDM信号中峰均比估计问题中,通常采用过采样的离散信号来逼近连续信号,用离散信号的峰均比来近似连续信号的峰均比。在基本过采样公式的基础上,研究了末尾补零的IFFT和中间补零的IFFT两种常用的插值过采样算法的数学关系,比较了这两种方法对于连续信号的逼近性能。同时为得到更精确的PAPR值,通过将非线性方程的求根转化为多项式方程求解,设计一种直接针对连续信号高效峰均比估计算法。仿真结果表明,这种新的估计算法是精确而有效的。     

求解TSP问题的多级归约算法

TSP(traveling salesman problem)问题是最经典的NP-hard组合优化问题之一.长期以来,人们一直在寻求快速、高效的近似算法,以便在合理的计算时间内解决大规模问题.由于对较大规模的问题,目前的近似算法尚不能在较短的时间内给出高质量的解,因此提出了多重归约算法.该算法的基本原理是通过对TSP问题的局部最优解与全局最优解之间关系的分析,发现对局部最优解的简单的相交操作能以很高的概率得到全局最优解的部分解.利用这些部分解可以大大缩小原问题的搜索空间,同时也不会降低搜索的性能.这就是所谓的归约原理.再通过多次归约使问题的规模降到足够小,然后对这个较小规模的实例直接用已有的算法求解,最后通过相反的次序拼接部分解,最终得到一个合法的解.在TSPLIB(traveling salesman problem library)中,典型实例上的实验结果表明,此算法在求解质量和求解速度上与目前已知的算法相比有较大的改进.     

一种适用于高维格基约化的综合算法

格基约化算法是求解格上最短向量问题(SVP)的一类算法,在格理论中有重要地位,尤其在格理论构造的公钥密码中发挥重要作用.目前公认效率最高的主流算法是Blockwise-Korkine-Zolotarev(BKZ)及其改进形式BKZ 2.0,主要思想是分块约化,调用多项式次的局部格上SVP算法.但是BKZ类算法仍然存在约化程度不够充分、在高维度格中约化效率不高的问题,也存在多种改进的算法.本文在已有算法的基础上,对BKZ结构进行优化,并应用筛法的最新研究成果,设计了一种新的综合算法——Blockwise-Sieving-Reduction(BSR).在预处理阶段,将格矩阵划分后分别进行BKZ预处理,该过程可直接进行并行化.在格基约化阶段,该算法结合BKZ算法与筛法的优点,使用分块逐次增大的多轮BKZ算法进行预处理,并在BKZ结构中使用改进的筛法替代原有的枚举子过程,通过插入向量改进局部格的性质,提高了BKZ算法的效率,使之能在更大的分块下求解SVP.针对更高维度的格矩阵,设计了递归调用的算法变种,称为i-BSR算法,该算法使用了渐进约化等实现技术,可以进行更大维度格的约化.从理论角度进行分析,论证了该算法可以进行格基约化并求格上短向量.实验结果表明,该算法在较大分块下,能够以可接受的时间代价完成SVP求解,且得到的向量优于已有算法的实验结果,新算法得到的首向量长度可以缩短至BKZ 2.0的90%.     

一种新的粒子滤波算法在INS/GPS组合导航系统中的应用

为改善传统粒子滤波中的样本退化和样本枯竭问题, 提出一种新的粒子滤波算法. 在重要性采样中, 利用最新测量值, 结合差分滤波算法产生重要性函数; 在再采样中, 利用高斯混合模型近似状态的后验概率密度, 引入最大期望算法计算该高斯混合模型的参数, 并从该新分布中采样后验粒子集, 取代传统的再采样. 从而通过提高重要性函数对状态后验概率密度的逼近程度来缓解样本退化问题, 通过改进再采样实现过程来缓解样本枯竭问题. 把新算法应用到INS/GPS组合导航系统中, 仿真结果表明新算法的估计性能明显优于粒子滤波.     

利用近似解加速求解SAT问题的启发式完全算法

结合DPLL完全算法能够证明可满足性(SAT)问题的不可满足性和局部搜索算法快速的优点,提出利用近似解加速求解SAT问题的启发式完全算法.首先利用局部搜索算法快速地得到一个近似解,并将该近似解作为完全算法的初始输入,用于其中分支变量的相位决策.该算法引导完全算法优先搜索近似解所在的子空间,加速解决器找到可满足解的过程,为SAT问题的求解提供了一种新的有效途径.实验结果表明,该算法有效地提高了决策的精度和SAT解决器的效率,对很多实例非常有效.     

带时间窗的同时集散货物路线问题研究

研究了业务繁忙环境下带时间窗的同时集散货物路线问题．以车辆数、运输距离和完成运输任务的总 时间最小为目标建立了多目标模型,提出用基于路线集合划分的分解迭代算法求解该问题．该算法首先用两种策略 将问题的解分解为几个子集合,用记录更新法分别求解每个子集合,将子集合求得的最好路线反馈回来形成新的当 前解,再分解迭代,逐渐改善解的质量．最后数据实验表明该算法能有效解决带时间窗的单向车辆路线问题和集散 一体化的双向车辆路线问题．     

基于改进粒子群算法的毫米波大规模MIMO混合预编码方案

针对毫米波大规模多输入多输出（MIMO）系统中基于传统粒子群优化（PSO）算法的混合预编码方案,在迭代后期收敛速度较慢以及容易陷入局部最优值的问题,提出了一种基于改进PSO算法的混合预编码方案。首先,随机初始化粒子的位置矢量和速度矢量,并以最大化系统和速率为目标求解初始群体最优位置矢量;其次,更新位置矢量和速度矢量,并随机地选择更新后的两个粒子的个体历史最优位置矢量进行加权求和作为新的个体历史最优位置矢量,从中挑选出若干个使系统和速率最大的粒子,将其个体历史最优位置矢量的加权平均值作为新的群体最优位置矢量,并与之前的群体最优位置矢量比较,经过多次迭代形成最终的群体最优位置矢量即为所求的最佳混合预编码矢量,并对其进行归一化;最后,根据归一化后的混合预编码矢量设计最终的模拟预编码矩阵和数字预编码矩阵。仿真结果表明,与基于传统PSO算法的混合预编码方案相比,所提改进方案在收敛速度与和速率上都得到优化;其收敛速度提高约100%,且性能可以达到全数字预编码方案的90%,因此,该改进方案能够有效提升系统性能且加快收敛。     

格上基于身份的可链接环签名方案

为了抵抗量子算法的攻击和应对恶意签名者利用环签名技术的完全匿名性输出多个签名从而进行双重开销攻击这一缺陷,同时为了解决不必要的系统开销浪费问题,提出了一种新的格上基于身份的可链接环签名方案。该方案以格上近似最短向量问题为安全基础,将该问题的求解规约于碰撞问题的求解,利用矩阵向量间的线性运算生成签名,同时结合了基于身份的密码技术。解决了系统开销浪费问题,不涉及陷门生成和高斯采样等复杂算法,提高了签名效率,降低了存储开销,并在随机预言模型下验证了方案满足完全匿名性和强存在不可伪造性。经分析,该方案是一个安全高效的环签名方案。     

下行多用户NOMA系统中基于能效优化的资源分配

非正交多址接入技术（Non-orthogonal multiple access, NOMA）提高了通信系统的频谱效率且可支持大量用户接入,因此受到广泛关注。以能量效率（简称能效）最大化为目标的多用户NOMA系统下行链路的资源分配问题,是一个难以求解的非凸问题,为此,将问题分解成用户分组和功率分配2个子问题。首先采用一种基于贪婪算法的用户分组方式降低了穷举法的计算复杂度;其次根据确定的分组方式,得到各个子信道上复用用户的功率分配系数表达式。为了进一步提高系统的能效,研究了子信道间非等功率分配方案,将子信道功率分配问题规划成非线性非凸的比率和问题,并利用Dinkelbach类算法得到次优解。仿真结果显示,文中采用的方案可以达到更好的系统容量和能效。     

一种基于非线性长度的多约束路由算法*

满足多个约束的QoS路由问题已经被证明是NP完全问题。在分析了多种路由算法的基础上,设计了一种高效的多约束路由算法。该算法采用非线性路径长度计算方法。为提高算法的成功率,在节点的松弛过程中设计了节点动态路径长度计算,允许节点作多次松弛。为提高算法的执行效率,在节点正向松弛和反向估计过程中引入了受控路径的思想,使算法得到了优化。大量仿真表明,该算法在最短路径获取和路由发现成功率方面都有高效的表现。     

Scheduling independent jobs on uniform parallel machines to minimize tardiness criteria

The problem of scheduling N jobs on M uniform parallel machines is studied. The objective is to minimize the mean tardiness or the weighted sum of tardiness with weights based on jobs, on periods or both. For the mean tardiness criteria in the preemptive case, this problem is NP-hard but good solutions can be calculated with a transportation problem algorithm. In the nonpreemptive case the problem is therefore NP-hard, except for the cases with equal job processing times or with job due dates equal to job processing times. No dominant heuristic is known in the general nonpreemptive case. The author has developed a heuristic to solve the nonpreemptive scheduling problem with unrelated job processing times. Initially, the algorithm calculates a basic solution. Next, it considers the interchanges of job subsets to equal processing time sum interchanging resources (i.e. a machine for a given period). This paper models the scheduling problem. It presents the heuristic and its result quality, solving 576 problems for 18 problem sizes. An application of school timetable scheduling illustrates the use of this heuristic.     

基于抽样向量扰动的对抗样本生成方法

深度学习算法在很多领域取得了卓越的成就,但同时也容易受到对抗样本的攻击。使用对抗样本训练模型是抵御模型被攻击的有效手段,但这需要大量对抗样本的支持。为了提升对抗样本的生成效率,本文提出了一种基于抽样向量扰动的对抗样本生成方法(SPVT)。实验结果表明,该方法可以在短时间内生成大量有效对抗样本,并且能够自适应计算出FGSM算法的扰动幅度,并且和人为设定参数的FGSM算法相比对抗成功率提升了0.77%;生成相同数量的对抗样本,SPVT方法与DeepFool算法相比能够节约1/6的时间,解决了对抗样本生成效率不高的问题。     

应用多索引加法量化编码的近邻检索算法

目的 海量图像检索技术是计算机视觉领域研究热点之一,一个基本的思路是对数据库中所有图像提取特征,然后定义特征相似性度量,进行近邻检索。海量图像检索技术,关键的是设计满足存储需求和效率的近邻检索算法。为了提高图像视觉特征的近似表示精度和降低图像视觉特征的存储空间需求,提出了一种多索引加法量化方法。方法 由于线性搜索算法复杂度高,而且为了满足检索的实时性,需把图像描述符存储在内存中,不能满足大规模检索系统的需求。基于非线性检索的优越性,本文对非穷尽搜索的多索引结构和量化编码进行了探索新研究。利用多索引结构将原始数据空间划分成多个子空间,把每个子空间数据项分配到不同的倒排列表中,然后使用压缩编码的加法量化方法编码倒排列表中的残差数据项,进一步减少对原始空间的量化损失。在近邻检索时采用非穷尽搜索的策略,只在少数倒排列表中检索近邻项,可以大大减少检索时间成本,而且检索过程中不用存储原始数据,只需存储数据集中每个数据项在加法量化码书中的码字索引,大大减少内存消耗。结果 为了验证算法的有效性,在3个数据集SIFT、GIST、MNIST上进行测试,召回率相比近几年算法提升4%~15%,平均查准率提高12%左右,检索时间与最快的算法持平。结论 本文提出的多索引加法量化编码算法,有效改善了图像视觉特征的近似表示精度和存储空间需求,并提升了在大规模数据集的检索准确率和召回率。本文算法主要针对特征进行近邻检索,适用于海量图像以及其他多媒体数据的近邻检索。     

果蝇耦合均匀设计算法及其优化SVM参数

支持向量机的参数选择仍无系统的理论指导,且参数优化一直是支持向量机的一个重要研究方向。传统果蝇优化算法能够较快寻得一个较优的近似最优解,随后在该解的邻域继续迭代而造成寻优时间的严重增加。针对该问题构建了果蝇优化算法与均匀设计相耦合的果蝇耦合均匀设计算法,并将其用于支持向量机的参数优化。该算法首先利用果蝇优化算法并行寻优以快速得到所研究问题的一个较优近似最优解,然后跳转执行均匀设计的局部寻优,以获得一个更优的近似最优解。数值实验结果表明:该算法具有较快的寻优效率和较高的分类精度,验证了其在支持向量机参数优化中的有效性和可行性。