一类不可微方程组的区间算法

针对不可微方程组—绝对值方程Ax+B|x|=b的数值解问题进行研究, 提出了通过构造极大熵函数和新的区间算子对方程进行求解的区间极大熵算法。该算法能同时求出绝对值方程的近似解和估算其近似解的误差限, 并在A的奇异值全部大于|B|的奇异值时, 证明了算法的收敛性且收敛速度至少是线性的。理论分析和数值结果均表明提出的算法是有效的。     

一类二层规划问题的区间算法

讨论下层规划问题以最优值反应到上层的二层规划问题的数值解法,其中目标函数和约束函数均为Lipschitz连续函数,构造了二层规划问题目标函数的区间扩张和无解区域删除检验原则,建立了求解二层规划问题的区间算法,并进行了数值实验。理论证明和数值实验均表明算法是可靠和有效的。     

求解非线性区间数规划的微免疫优化算法研究

基于区间分析和免疫学原理,探讨非线性区间数规划问题解的概念和性质,以及求解的免疫优化方法和算法的理论基础.首先,基于该问题的最优值区间,给予最优解概念;研究区间值优化问题有效解的性质,探讨区间自然扩张规划与区间数规划的解之间联系,获得有效解是最优解的充分条件以及寻优的有效途径.其次,基于免疫应答的简化机制,设计具有群体规模小、可调参数少、结构简单等特点的非主从结构微免疫优化算法,并获证该算法具有收敛性和低计算复杂度.通过扩展标准测试函数和应用事例,比较性的数值实验结果显示,此算法执行效率高、搜索效果好,对低、偏高维非线性区间数规划具有较好应用潜力.     

罚函数凸优化迭代算法及在无人机路径规划中的应用

针对无人机路径规划问题,建立了具有定常非线性系统、非仿射等式约束、非凸不等式约束的非凸控制问题模型,并对该模型进行了算法设计和求解。基于迭代寻优的求解思路,提出了凸优化迭代求解方法和罚函数优化策略。前者利用凹凸过程(CCCP)和泰勒公式对模型进行凸化处理,后者将经处理项作为惩罚项施加到目标函数中以解决初始点可行性限制。经证明该方法严格收敛到原问题的Karush-Kuhn-Tucker(KKT)点。仿真实验验证了罚函数凸优化迭代算法的可行性和优越性,表明该算法能够为无人机规划出一条满足条件的飞行路径。     

一类区间多目标粒子群优化算法

针对区间参数多目标优化问题,提出一种基于模糊支配的多目标粒子群优化算法。首先,定义基于决策者悲观程度的模糊支配关系,用于比较解的优劣;然后,定义一种适于区间目标值的拥挤距离,以更新外部存储器并从中选择领导粒子;最后,对多个区间多目标测试函数进行仿真实验,实验结果验证了所提出算法的有效性。     

求解一类随机优化问题的社会认知算法

提出了解随机优化问题的社会认知算法.该算法易于理解及程序易实现,克服了随机优化问题难以高效实现全局优化的缺点,为随机优化问题的求解提供了一种新的途径,并为社会认知算法的应用拓展了新的空间.     

采用迭代求解的电动汽车优化充电算法

电动汽车优化充电对配电网的安全经济运行具有十分重要的意义.利用配电网辐射状运行结构采用迭代修正节点电压的方法能够大幅降低优化变量的维数,提高计算速度.该方法已被应用于以网损最小为目标函数、常规负荷模型为恒功率负荷、不计及节点电压、支路功率约束的三相平衡配电网中.该文提出了将其推广至一般情形的方法,目标函数为配电网供电能量最小、运行费用最小或利润最大,不再局限于网损最小,负荷模型不再局限于恒功率负荷.而且计及了配电网的三相不平衡、节点电压、支路功率约束.文中分析了负荷模型对优化计算结果的影响.研究发现,当负荷模型只包含恒功率、恒阻抗负荷时,每次迭代中优化模型仍为线性约束凸二次规划模型;当负荷模型包含恒电流负荷时,每次迭代中优化模型不再为线性约束凸二次规划模型,但仍为线性约束凸规划模型.3个算例的仿真结果表明,所提方法收敛性好、计算精度高、速度快,能够改善电压,提高配电网的经济效益.     

一种基于区间优化的神经网络学习算法

神经网络的学习算法通常是采用梯度下降法,此方法容易陷入局部极小而得到次最优解。另外,对于有些应用来说,用于训练网络的样本的输入／输出数据无法精确给出,而只能以一定的范围的形式给出,这就给传统的神经网络带来了困难。该文提出了一种基于区间优化的神经网络学习算法,可以很好地解决上面所提到的传统神经网络学习算法的缺点。     

基于粒子群算法求解区间值板坯设计优化问题

为了适应大规模定制对连铸计划的新要求,提出了在板坯设计阶段固定板坯重量的策略,以减少过度追求生产柔性造成的高成本。建立了考虑工艺限制的区间值板坯设计模型,该模型是以最小化板坯数量和总盈余量为优化目标的多目标整数规划模型。结合问题的特点,采用模糊决策方法对多目标函数进行集成,提出了符合板坯设计的粒子群编码规则,并利用粒子群算法对模型进行了求解,最后通过实例验证了算法的可行性,并与该问题的下界进行比较,表明了算法的有效性和稳定性。     

求解函数优化问题的交谊舞算法

针对函数优化问题,借鉴交谊舞的有关机理,构造了若干舞蹈算子（空间移动,局部舞伴交换和概率舞池修正）.将优化过程视为在搜索空间中从候选解向最优解的信息交换过程,提出一种新的优化算法-交谊舞算法.着重研究了算法的原理机制,流程实现和改进方法.通过对复杂函数优化问题的仿真试验,结合与简单遗传算法对比分析,验证新算法具有有效防止陷入局部极小值,以及收敛速度快等性质.交谊舞算法具有解决函数优化问题的潜力.     

非线性系统的PD型迭代学习控制

非线性系统的ＰＤ型迭代学习控制孙明轩黄宝健张学智（西安工业学院电子系西安７１００３２）关键词初始条件问题,迭代学习控制,非线性系统．１）国家自然科学基金资助项目．收稿日期１９９６－０７－２５１引言运用迭代学习控制技术设计控制器时,只需要通过重复操作获...     

一种区间系统鲁棒稳定补偿器设计的映射方法

研究了一类区间系统的四条棱边同时稳定的问题 ,利用保形映射及Nevanlinna-Pick插值定理提出了一个可行的补偿器设计方法.     

相机标定的金字塔迭代优化算法

在当前交通场景中,位姿、焦距均可变的云台相机正在被大规模应用,现有的相机标定模型在求解相机参数的过程中,通常使用先验条件一次性求解相机参数的方法。这种方法在云台相机不断改变位姿和焦距的过程中,标定结果存在不稳定、不精确的情况,其中相机高度的不稳定现象尤为明显。针对这个问题,提出一种基于焦距和相机高度的金字塔迭代优化方案。使用基础的相机标定,得到一个基础标定结果;设定沿道路方向优化对比内容为道路标线,垂直于道路方向上为道路宽度;设定焦距和相机高度优化范围及初始优化步长,并采用金字塔迭代的方式进行结果优化,最终得到最佳优化结果。在高速公路的数据集上的实验结果表明,该方法能够有效提高相机标定参数的精度和稳定性,比之传统标定算法,在沿道路方向上精度提高8%,垂直于道路方向精度提高6.5%,综合精度提高6.5%;在云台相机改变位姿和焦距过程中,相机高度波动稳定在2%以内。     

任意初态下不确定时滞系统的PD型迭代学习控制*

针对不确定时滞系统讨论带有初始修正的ＰＤ型迭代学习控制算法，给出这类系统的输出极限轨迹，以及迭代输出收敛于该极限轨迹的较弱的充分条件，其中将初始条件放宽为某任意可达初始状态函数的可重复性。仿真结果表明这种算法中的初始修正项可以有效地抑制初始偏移的影响。     

基于微粒群优化算法的间歇过程迭代学习

在实际的间歇过程优化控制中面临着模型参数不确定性的问题,并且基于梯度的优化控制技术在处理具有多个局部极值的目标函数时,往往会陷入局部极值点.针对该问题,提出一种基于微粒群优化算法的间歇过程产品质量迭代学习策略.结合间歇过程产品质量控制问题的特点和各种约束条件,利用微粒群优化算法在非线性问题求解及大尺度空间搜索上的优势,...     

一种求解F检验临界值的迭代算法

本文利用Beta分布与F分布之间的关系,获得了一种基于二阶展开求解F检验临界值的迭代算法,并给出具体算例证实了这是一种较为快速而行之有效的方法。     

基于高斯权重衰减的迭代优化去雾算法

针对暗通道先验算法最小滤波使用的不足,提出一种基于高斯权重衰减的迭代优化去雾方法.该方法首先利用Kirsch算子滤波构造高斯函数逼近暗通道操作,然后用交叉双边滤波消除纹理效应,其次,在透射率为最优的前提下,利用高斯暗通道来简化大气散射模型,从而得到粗略透射率;为了得到最优透射率,使用Kirsch和Laplacian算子构成的一组高阶滤波器进行迭代处理,从而获得最优效果;最后,结合大气散射模型复原无雾图像.通过大量实验测试验证,所提假设成立,复原的图像细节明显,明亮度适宜,并且在客观评价中也体现出了优势.     

一类广义系统的迭代学习控制

在对广义系统进行标准分解的基础上, 研究了含脉冲快子系统的迭代学习控制问题. 通过 Frobenius 范数给出了快子系统在 P 型学习律作用下收敛的充分性条件, 同时通过梯度法给出求解增益矩阵的方法. 其次, 讨论了单输入单输出不确定广义系统的迭代学习控制问题, 通过优化方法给出该系统在 P 型学习律作用下, 系统实际输出尽可能快地收敛到理想输出的增益矩阵的选择方法.     

DFP优化的数据点渐进迭代拟合方法

DFP方法(由Davidon,Fletcher和Powell 3人共同提出)是求解无约束优化问题的一种经典方法,文中指出数据点的拟合问题可转化为无约束优化问题的求解,并基于DFP优化方法给出了一种大规模数据点拟合方法,称之为DFP渐进迭代拟合方法.文中证明了该方法生成的极限曲线为初始数据点的最小二乘拟合曲线;它承袭了经典最小二乘渐进迭代逼近算法的众多优良性质,如具备直观的几何意义、可灵活地拟合大规模数据点、初始控制顶点的选择不影响最终迭代结果等.数值实例进一步表明,同等条件下,文中方法的收敛速度明显优于现有的几种数据点拟合方法.