基于梯度自适应极值搜索算法的趋光控制研究

源定位已成为国内外研究的热点问题,为了在实验室环境下研究移动机器人的趋光性,对源定位理论方法进行了研究,设计了地面移动机器人光源定位平台,通过该平台来验证趋光理论的可行性。首先,利用对角线控制策略和梯度自适应极值搜索算法分别进行趋光实验,完成移动机器人对光源的定位。其次,使用MeanShift目标跟踪算法跟踪移动机器人的运动轨迹。最后,绘制出光源强度分布等值线并分析了移动机器人的运动轨迹。相比于对角线控制策略,梯度自适应极值搜索算法根据当前区域梯度值自适应调整反馈增益参数,提高了源定位效率,并在光源定位平台验证了该算法的有效性和稳定性。     

搜索空间自适应量子搜索算法

量子搜索算法,相较于经典计算有着平方根的加速,在许多机器学习算法中都有广泛应用,如量子KNN算法、量子特征提取、量子主成分分析等.在目标分量占比较小的时候,量子搜索算法总能以较高的概率得到目标分量;然而,当目标分量占比较大时,量子搜索算法的成功概率急剧下降.为解决这个问题,本文拟提出一种搜索空间自适应的量子搜索算法.新算法依据目标分量占比的不同采用不同的策略:当目标分量占比为λ≥1/2,将搜索空间扩大为8N;当目标分量占比1/4≤λ<1/2时,将搜索空间扩大为4N;当目标分量占比1/8≤λ<1/4时,将搜索空间扩大为2N;当目标分量占比λ<1/8时,保持搜索空间不变.通过理论分析,改进算法整体效率得到显著的改进,能够保持93%以上的成功概率.     

控制增益未知的多变量极值搜索系统神经网络自适应协同控制

针对一类控制增益未知的多变量极值搜索系统,提出了一种神经网络自适应协同控制方法.该方法利用协同控制实现状态变量之间的协同收敛,并确保对系统内部参数扰动和外界干扰具有不变性;以极值搜索控制方法得到的搜寻变量作为输入量,设计多层神经网络逼近状态变量的极值变化率和未知的变量与函数;采用Nussbaum函数解决系统控制增益未知的问题;同时运用自适应参数抵消神经网络逼近误差的影响.稳定性分析证明了系统的状态跟踪误差、输出量与其极值之间的误差、极值搜索变量的跟踪误差以及神经网络各参数的估计误差均指数收敛至原点的一个有界邻域.理论分析与仿真结果验证了该方法的有效性.     

基于粒子群优化算法的极限环极值搜索控制

提出一种利用粒子群优化算法进行在线寻优的自适应控制算法,该方法可抑制极限环的振荡幅值．应用极值搜索控制的思想,在线测量极限环的振荡幅度,并将其作为优化目标,利用粒子群优化算法寻找最优控制量,使得极限环的振荡幅值最小．针对粒子群优化和极限环控制的特点,提出一种加快收敛的算法．数值实验表明,提出的算法不仅与传统基于摄动方法...     

基于自适应分类的学习搜索算法

本文给出一放弃可采纳性的分类式学习搜索算法ＳＡＬＳ，它在系统初建时就能快速地获取经验知识，该算法的空间复杂度和平均时间复杂度皆为所获解路径耗费值的线性函数。将反复加深技术运用于ＳＡＬＳ而得到的搜索算法ＩＤ－ＳＡＬＳ，在保持良好的时间和空间复杂度的同时，又能保证找到的解为次优解。文中最后给出了ＩＤ－ＳＡＬＳ的两点改进。     

一种基于多尺度极值的快速自适应二维经验模式分解方法

现有的二维经验模式分解(Bidimensional empirical mode decomposition, BEMD)算法在极值点查找、内蕴模式筛选和迭代过程中效率低、自适应性有待进一步提高,因此本文提出了一种基于多尺度极值的二维信号经验模式分解方法。首先给出二维多尺度极值二叉树结构的概念和建立方法,进而引出一个新的分解层数和滤波窗口大小的自适应确定原则,由此形成了改进的快速自适应二维经验模式分解方法。对自然图像和合成纹理图像分解的实验结果表明：与现有的快速自适应二维经验模式分解方法相比较,新方法的自适应性和效率都有明显提升。     

自适应可变模式搜索算法

充分利用运动矢量的时空相关性,提出一种新的块匹配运动估计算法,称为自适应可变模式搜索算法。该算法充分利用搜索起点预测、中止准则、自适应搜索模板、辅助点搜索等一系列技术。H.264编码平台上的实验表明,该算法可以保持高信噪比和低比特率,其计算复杂度只有UMHexagonS的16%~33%和EPZS的30%~50%。     

基于梯度下降的自适应预测运动估计算法

提出一种新的一维梯度下降算法,通过自适应预测初始运动矢量,选择不同的搜索算法,并对匹配点的收敛性进行核查。实验表明采用该算法得到的视频序列质量优于其他快速搜索算法,且搜索步数较全搜索算法大大减少。     

一种基于梯度极值的边缘检测算法

分析了经典微分边缘检测算法存在的问题，提出了一种基于局部区域微分极值的边界检测算法，该算法的特点是在局部区域边界检测窗口内内直接提了以边界象素，分割的边界为真实边界，边界连续性好 ，适合于照度不均匀图象的分割。     

自适应和声粒子群搜索算法

针对现有改进和声搜索算法(IHS)的不足,提出一种自适应和声粒子群搜索算法(AHSPSO).首先对和声记忆库中每个变量用粒子群算法寻优,再利用自适应参数PAR和bw调节来提高对多维问题的搜索效率.利用5个标准的优化算法测试函数对AHSPSO算法进行测试,并与IHS,PSO和SA算法进行对比,仿真结果表明了AHSPSO算法具有较强的精确寻优和跳出局部最优的能力.     

An improved adaptive string searching algorithm

Sunday's OM algorithm can reduce the number of character comparisons by making use of information of character distribution in an alphabet. Smith's adaptive algorithm uses dynamic statistics to reduce comparisons and its performance is close to that of the OM algorithm in the number of character comparisons. Smith's algorithm has the advantage of language independence. Its drawback is that it runs slowly because of maintaining an ordering list. This paper presents an improved adaptive method which dispenses with the ordering list. This method treats the pattern as a circle, and first compares the mismatched character in the last checking operation. This methods is slightly worse than Smith's method in the number of character comparisons, but it much better in the running time. © 1998 John Wiley & Sons, Ltd.     

分数阶Fourier变换域极值搜索的混沌优化算法研究

正如傅里叶变换采用正弦基,单频信号能够在频域形成峰值,分数阶Fourier变换采用线性调频基,线性调频(LFM)信号能够在分数阶Fourier域上实现聚焦,利用此聚焦性通过搜索峰值可实现LFM信号检测和参数估计.通常采用步进式搜索方法,效率低下.为了克服该缺点,通过对分数阶Fourier域优化问题本质的研究,将混沌优化算法引入到分数阶Fourier域极值搜索中.仿真结果表明:本文的方法优于传统的步进式搜索法.     

多峰搜索的自适应遗传算法

对多峰函数问题提出了基于峰值转换和优育子群相结合的遗传搜索策略.主要是:通过变换函数将多峰问题中的所有峰变成“等高”峰,从而保证每个峰都有同等机会被找到;在种群中实施各种遗传操作及近亲排斥策略,以保证种群的多样性;将种群中适应值超过阈值的个体迁徙形成一个子群,在子群中实施“梯度操作”,对个体进行精细进化.该方法不仅可保证较快地找到所有峰,而且无需对多峰函数做峰的个数已知、峰均匀健分布等任何先验假设.最后与Spears的简单子群法进行了对比实验.     

Natural gradient-based recursive least-squares algorithm for adaptive blind source separation

This paper focuses on the problem of adaptive blind source separation (BSS). First, a recursive least-squares (RLS) whitening algorithm is proposed. By combining it with a natural gradient-based RLS algorithm for nonlinear principle component analysis (PCA), and using reasonable approximations, a novel RLS algorithm which can achieve BSS without additional pre-whitening of the observed mixtures is obtained. Analyses of the equilibrium points show that both of the RLS whitening algorithm and the natural gradient-based RLS algorithm for BSS have the desired convergence properties. It is also proved that the combined new RLS algorithm for BSS is equivariant and has the property of keeping the separating matrix from becoming singular. Finally, the effectiveness of the proposed algorithm is verified by extensive simulation results.     

Multi-agent source seeking via discrete-time extremum seeking control

Recent developments in extremum seeking theory have established a general framework for the methodology, although the specific implementations, particularly in the context of multi-agent systems, have not been demonstrated. In this work, a group of sensor-enabled vehicles is used in the context of the extremum seeking problem using both local and global optimisation algorithms to locate the extremum of an unknown scalar field distribution. For the former, the extremum seeker exploits estimates of gradients of the field from local dithering sensor measurements collected by the mobile agents. It is assumed that a distributed coordination which ensures uniform asymptotic stability with respect to a prescribed formation of the agents is employed. An inherent advantage of the frameworks is that a broad range of nonlinear programming algorithms can be combined with a wide class of cooperative control laws to perform extreme source seeking. Semi-global practical asymptotically stable convergence to local extrema is established in the presence of field sampling noise. Subsequently, global extremum seeking with multiple agents is investigated and shown to give rise to robust practical convergence whose speed can be improved via computational parallelism. Nonconvex field distributions with local extrema can be accommodated within this global framework.     

一种新的分子二维子结构检索算法

本文针对分子二维子结构检索问题,比较分析图同构算法中具有代表性的VF2法和GMA法。VF2法的数据结构精巧,能有效降低内存开销,但其在图匹配时没有保存提问结构的偏序,造成大量重复计算,影响匹配效率。GMA法则利用偏序的不变性,预先计算并保存偏序,进而指导图匹配过程。本文将GMA法的偏序行走策略应用于VF2法,保留VF2法的遍历规则和数据结构,用标准C++语言改进的结构检索算法能提供正确的检索结果,效率更高。本文还通过实例说明了VF2法和GMA法各自偏序的计算过程,指出2种算法的图遍历规则的差异。     

自适应人工蜂群算法的盲源分离

盲源分离(BSS)是传感器信号处理领域研究热点,针对传统盲源分离算法大多存在收敛速度慢、分离精度低、适用场合窄的缺点,提出了一种基于自适应人工蜂群算法的盲源分离.利用Givens旋转变换降低计算量,搜索策略引入自适应全局指导项动态调节最优解导向作用,选择策略采用自适应Boltz-mann轮盘赌作改进平衡迭代各阶段选择压力集中程度.实验表明:基于自适应人工蜂群算法的盲源分离,能够加快收敛速度并显著提高分离精度至约3个数量级.     

A fast projection algorithm for sequence data searching

In real life, data often appear in the form of sequences and this form of data is called sequence data. In this paper, a new definition on sequence similarity and a novel algorithm, Projection Algorithm, for sequence data searching are proposed. This algorithm is not required to access every datum in a sequence database. However, it guarantees that no qualified subsequence is falsely rejected. Moreover, the projection algorithm can be extended to match subsequences with different scales. With careful selection of parameters, most of the similar subsequences with different scales can be retrieved. We also show by experiments that the proposed algorithm can outperform the traditional sequential searching algorithm up to 96 times in terms of speed up.     

基于信号相位搜索的WSN节点定位算法

节点定位是无线传感器网络（wireless sensor network,WSN）研究的热点问题之一,基于信号相位信息与物理距离间的关系提出了基于信号相位搜索的WSN节点定位算法。该算法首先根据节点间信号相位信息,基于余弦相似性算法原理构建目标函数,将WSN节点定位问题转换为目标函数最优解搜索问题;然后基于质心定位算法原理确定搜索初始像素单元;最后利用梯度下降法替代逐像素单元的遍历搜索,在不影响定位精度情况下进一步提高定位效率,减小定位功耗。仿真实验结果表明,该算法的各项指标良好,适用于WSN的节点定位。