解无约束优化问题的MBFGS过滤器算法

构造了一个求解无约束优化问题的新算法.该算法结合了修正BFGS(MBFGS)算法的思想和多维过滤器算法策略.一方面,搜索方向的产生类似于MBFGS算法;另一方面,在接受新的迭代点时,采用多维过滤器算法的策略.新算法是全局收敛的.     

一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS（MBFGS）算法的信赖域思想和多维过滤器算法策略．搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的．     

基于种群多样性的自适应乌鸦搜索算法

针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发.结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率.为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验.实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.     

解非线性方程的Newton迭代法的一点注记

用不同的方法对求非线性方程数值解的Newton迭代法进行了推导,并利用高精度的数值积分方法得出新的迭代算法.经过严格的理论证明,新算法具有三阶收敛性,比Newton迭代法的收敛速度提高了一阶.数值实验表明,新算法对初值选择要求也较为宽松.     

半无限优化的光滑化拟Newton法及其在最优潮流中的应用

提出求解半无限优化(SIP)问题的一类新算法-光滑化拟Newton法.基于非线性互补函数(nonlinear complementary problem-NCP function),转化SIP问题的KKT系统为非光滑方程组,设计光滑化拟Newton法求解该方程系统.该方法的特点是在每步迭代中只需求解一个线性方程组系统,且算法具有较好的全局与局部超线性收敛性.利用该方法求解电力系统暂态稳定约束的最优潮流(optimal power flows with transient stability constraints OTS)问题,计算结果显示该算法的有效性.     

Newton法在线性搜索中的适用条件及其收敛分析

用牛顿(Newton)法求解非线性规划问题具有快速收敛的优点,一般只需经过有限次的迭代就能获得满意的精度。然而,当其适用条件不满足时,Newton迭代过程所产生的点列往往并不收敛。人们发现,只要把初始点选在距离最优点X足够近的范围内,就能保证Newton迭代过程的收敛性。关于这一点,不少文献上已给出了严格的数学证明。但是,由于最优点X正是我们所要求的解,X的确切位置根本不可能事先知道,这样,初始点的选择范围也就无法确定。所以这个条件实际上只是具有理论上的意义而无法实际应用。本文从数学分析的角度提出了Newton法适用于线性搜索的一组充分条件,只要满足本文提出的三个条件,就可以保证Newton迭代算法能收敛于最优解X。因此,具有一定的实用价值。     

一种μGA+Quasi-Newton的混合优化算法

提出了一种新型的优化算法。此算法利用微种群遗传算法(μGA)的全局最优性在大范围内搜索可能的极值，而用拟牛顿(Quasi—Newton)法的目标函数梯度下降特性在极值点附近快速搜索，从而实现了全局最优与快速搜索的有机结合。同时，通过几个典型的试验函数对此混合算法与微种群遗传算法的寻优效果做了比较。     

一种基于漂移和波动思想的遗传算法

为充分利用最优个体的信息,借鉴于漂移和波动思想设计出新的交叉与变异算子,提出一种新的遗传算法.新算法采用混沌策略处理不可行个体,新算子结合最优个体信息,兼具全局搜索与局部搜索性能.仿真实验表明,新算法不但加快了算法的收敛速度,而且提高了求解精度,是一种有效性算法.     

基于MMHC算法的贝叶斯网络结构学习算法研究

贝叶斯网络是人工智能领域研究不确定环境下知识表示和因果推理的有效工具之一,迄今为止已经提出了许多贝叶斯网络结构学习算法.MMHC算法是一种较新的贝叶斯网络结构学习算法,该算法的评分搜索阶段应用了贪婪搜索算法,但该算法容易陷入局部最优而无法得到全局最优网络,针对该缺点,在MMHC算法的评分搜索阶段应用模拟退火、随机重启爬山搜索、禁忌搜索3种搜索策略取代贪婪搜索,详尽的实验结果表明在MMHC算法中这3种搜索算法的效果普遍优于贪婪搜索,其中模拟退火搜索学习效果最好,MMHC算法的评分搜索阶段可以用模拟退火搜索替代贪婪搜索达到提升算法的学习效果.     

基于启发式搜索的主题策略研究

介绍目前较为常用的启发式搜索策略,重点探讨A＊搜索策略,在此基础上提出一种改进的基于启发搜索与网页链接和内容相关度结合起来的新型主题搜索算法．最后通过实验对新算法和最好优先以及A＊搜索进行比较。     

多参数MRV算法的算法设计与数值实验

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法. 它通过修改右端向量, 使得迭代过程中各步的线性方程组具有相同的系数矩阵. 在每步迭代过程中,利用一个参数的选择,来优化步长修正量. MRV迭代法的收敛速度较快, 界于定点Newton法和Newton迭代法之间. 借助于LU分解, 可使其计算成本降低, 低于定点Newton法. 这是一种非常实用的算法. 然而,其收敛速度仍需提高. 为此, 文献[9]利用多个参数, 得到一种新的迭代法--多参数MRV迭代法, 并对其收敛性进行了严格的证明. 通过对该算法进行进一步的研究,特别是对那些仅含少量非线性方程的非线性方程组,设计出一些比较好的算法, 既克服了Newton法每个迭代步都要计算Jacobi矩阵的缺点, 又保持了和Newton型迭代法相同的收敛速度. 并通过数值实验, 对这些算法的优点进行了验证.     

多参数MRV算法的理论证明

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.在每步迭代过程中,利用一个参数的选择,来优化步长修正量.MRV迭代法的收敛速度较快,界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.现利用多个参数,将MRV迭代法进行改进,得到一种新的迭代法--多参数MRV迭代法,并对其收敛性进行了严格的证明.得出多参数MRV迭代法的收敛速度比MRV迭代法要快的结论.     

求非线性方程组的数值解的MRV迭代法的特殊应用

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.其收敛速度较快, 界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.将MRV迭代法用于只含一个非线性方程的非线性方程组, 得到一种新的迭代法--SMRV迭代法.其计算成本更低,收敛速度更快.其收敛速度与Newton迭代法相同,即至少是平方收敛的.     

蚂蚁算法与拟牛顿法嫁接求解管网数学模型

管网水力计算的问题可归结为联立求解连续性方程、能量方程和压降方程.牛顿法是求解非线性方程组的一个经典方法,但当初值选择不好时,有可能不收敛.将新型的仿生算法———蚂蚁算法引入到求解管网数学模型中.利用拟牛顿法与蚂蚁算法相互之间较强的互补性,提出了求解供水管网微观数学模型的新算法———嫁接法.计算表明,嫁接法结合了蚂蚁算法与拟牛顿法各自的优点,计算速度快,效果良好.     

箱型约束变分不等式的微粒群算法

对箱型约束变分不等式的简单光滑价值函数,给出了求解箱型约束变分不等式的微粒群算法。该算法具有计算简单、快速收敛到全局最优解和较高的计算精度等优点。数值计算结果表明,提出的算法可靠性高、有效性强,在计算精度上,都优于阻尼牛顿法和正则半光滑牛顿法。     

箱型约束变分不等式的微粒群算法

对箱型约束变分不等式的简单光滑价值函数,给出了求解箱型约束变分不等式的微粒群算法。该算 法具有计算简单、快速收敛到全局最优解和较高的计算精度等优点。数值计算结果表明,提出的算法可靠性高、有 效性强,在计算精度上,都优于阻尼牛顿法和正则半光滑牛顿法     

一种利用修正牛顿迭代的时差定位算法

针对传统基于迭代求解的时差定位算法中容易出现的发散问题,提出了一种新的基于修正牛顿迭代的时差定位算法．该算法首先利用辅助变量将非线性时差定位方程组转化为一组关于辐射源位置的伪线性方程,在此基础上把时差定位问题转化为约束加权最小二乘优化问题;然后,利用基于特征值修正的牛顿法进行定位解算,同时为了减少迭代次数,通过二次插值法对一维优化问题进行寻优求解,给出了迭代步长因子的求取过程;最后,通过仿真分析验证了所提算法的有效性．     

Fast nonlinear Shrinkage LMS Newton equalization algorithm over the satellite nonlinear channel

The adaptive Volterra equalizer is an effective technique for compensating the nonlinearity over satellite channels. However, its adaptive algorithm has a slow convergence speed. To counteract this problem, a new shrinkage least mean square Newton algorithm is devised for the adaptive Volterra equalizer over the satellite nonlinear channel. A noise-free posteriori and priori error signal is obtained by using a known Shrinkage method and L1-L2 minimization formulation. Furthermore, by minimizing the energy of the noise-free posteriori error signal, the SHLMS Newton method is able to provide a variable step size to update the weight vector for the adaptive Volterra equalizer, significantly enhancing the convergence speed. Simulation results indicate that the SHLMS Newton adaptive Volterra equalizer can effectively correct signal amplitude and phase distortions and satellite nonlinear channel distortion.Additionally, the SHLMS Newton algorithm can obtain a faster convergence speed than the traditional algorithms.