多层神经网络的一种新的学习算法

给出前馈式多层神经网络的一种新的学习算法，该算法的特点是单参数动态搜索，大大减少了误差函数的计算量。给出了详细的算法描述。计算结果表明，新算法的收敛速度较现行的Ｂ－Ｐ算法有明显的改进。     

一般约束极大极小问题的广义梯度投影算法

讨论了一类带等式、不等式约束的极大极小值问题,将其转化为带等式、不等式约束的非线性规划问题,利用辅助规划进行处理,给出了一个广义的梯度投影算法,解决了一般约束极大极小值问题。算法可在有限步达到最优点或产生一系列点列,其极限点则是最优点,并证明了该算法的全局收敛性。     

求解单调非线性方程组的一种全局收敛的梯度型算法

提出了一种求解单调非线性方程组的梯度型算法,在适当条件下,证明了该方法具有全局收敛性。通过实例与牛顿型算法进行比较,结果表明:该方法结构简单,适合求解大型问题。     

多层感知器三种学习算法的比较

多层感知器是一种多层前馈神经网络，常用的快速训练算法有共轭梯度法、拟牛顿法。通过模式分类实验对这两种算法和BP算法进行比较，并由试验数据得出这几种算法的复杂性、可靠性，以及由算法产生的多层感知器的泛化能力。     

初始点任意的广义梯度投影算法

利用广义梯度投影与罚函数技巧,将等式与不等式约束问题化成一个无约束问题。给出了一个初始点任意的广义梯度投影算法,削弱了文献[8]的条件,罚参数在计算中自动调整,在迭代次数适当大时成为常数,并证明了算法具有全局收敛性,在实际应用中也容易实现。     

BP神经网络Vogl快速算法的改进

针对 BP算法收敛速度慢的特点 ,提出了对 V ogl快速算法的改进方法 .实践证明此改进方法使BP算法的收敛速度得到了较大的改善     

多层神经网络学习算法的研究

在样本的学习过程中引入了求解复杂优化问题比较有效的多级优化技术，将一个复杂的多层神经网络权值优化问题分解成多个相对简单的优化子问题，然后利用迭代的策略进行求解，并提出了一种改进的ＢＰ算法，提高了学习效率。     

一类多阶段决策过程方程迭代算法的收敛速度

本文给出了多阶段决策过程方程的迭代算法的一种收敛速度。     

广义矩阵多分裂松弛算法

给出了当齐次线性方程组的系数矩阵是不可约奇异H矩阵时的广义矩阵多分裂松弛算法并讨论其收敛性.     

利用遗传贪婪混合算法求解背包问题

采用遗传贪婪混合算法解决背包问题,提出利用补偿算子来解决算法较早收敛于局部最优解的思想,有效抑制算法的早熟收敛。在算法的交叉操作中加入确定性策略,在算法的变异操作中加入非确定性策略,以确保算法具有更好的收敛性能。实验结果表明,该算法性能较佳,可以满足解决背包问题的需要。     

求解大规模优化问题的改进正弦余弦算法

针对正弦余弦算法（sine cosine algorithm,SCA）在求解大规模优化问题时收敛精度低、收敛速度慢和易陷入“维数灾难”的不足,提出一种带Lévy飞行的正弦余弦算法（sine cosine algorithm with Lévy flight,SCAL）.SCAL算法通过将Lévy飞行分布与正弦余弦种群个体位置向量进行对应元素相乘运算,使Lévy飞行分布的特征和信息融入正弦余弦种群个体信息中,使其拥有Lévy飞行随机游走的特性,增强了个体局部开发和逃离局部极值的能力;采用基于空间距离的非线性参数调整方法,平衡算法的局部开发和全局搜索,提高了算法的收敛速度．在14个经典测试函数上,维度分别为100、1 000和5 000维时,与SCA、花授粉算法（flower pollination algorithm,FPA）、粒子群优化（particle swarm optimization,PSO）算法、麻雀搜索算法（sparrow search algorithm,SSA）和鲸鱼优化算法（whale optimization algorithm,WOA）5种群体智能算法进行仿真对比...     

求解无约束优化问题的下降谱共轭梯度法

提出一种新的谱共轭梯度法,在Wolfe线搜索下算法具有下降性和全局收敛性。实验结果表明:该方法具有较好的数值表现,适合于求解非线性无约束优化问题。     

求解图像分割模型的快速梯度投影算法

针对带约束条件的凸图像分割模型,提出一种快速数值实现算法。该算法在梯度投影算法的基础上结合了快速迭代收缩算法的加速收敛策略,利用正交投影处理不等式约束条件,避免了一般罚函数方法所带来的处罚项的不规则性;同时采用对偶方法来避免全变分项的非光滑性和高非线性性。实验结果表明了所提出算法的有效性和在收敛速度上的优越性。     

一个基于模拟进化的VLSI多层区域布线算法

提出了一个VLSI版图设计的多层区域详细布线算法。算法采用有网格顺序布线技术，先按线网权重从大到小的次序对线网逐个布线，若剩有不能布通的线网则采用拆线－重布线，所有线网都布通后再利用拆线－重布线策略对布线进行优化，拆线－重布线的线网选择原则基于模拟进化技术，对单个线网使用改进型多层迷宫算法进行布线。算法可进行严格分层模式和非严格分层模式的布线，布线同时能进行通孔优化，能优先考虑关键线网的布线，并采取了减少串扰的措施。实验证明该算法能得到较好的布线结果。     

多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

求解多目标背包问题的改进人工鱼群算法

作为一种新的群智能算法,在求解多目标背包问题时,人工鱼群算法存在盲目搜索、收敛速度慢和求解精度低等问题.针对这些问题,本文结合人工鱼位置全局最优信息,对人工鱼的移动策略进行自适应改进,提出一种改进的人工鱼群算法.对多目标背包优化问题实验仿真表明,本文改进的人工鱼群算法收敛速度和搜索到的非劣解的精度均优于粒子群算法和遗传算法.     

机器人多层多道焊圆弧轨迹的一种算法

提出了一种实现机器人锅炉集箱管座多层多道焊的圆弧轨迹的规划算法,通过示教的３点规划出多层多道的圆弧轨迹,并满足圆弧首尾相搭 的工艺要求。对于集箱的轴向或径向排列的管从,既存在空间定位误差和热变形,只要测量出该座相对于示教管座的位置和姿态。,不需重新示教该算法就可规划出该算座的多层多道的圆弧轨迹,本算法已在实际生产中得应用,证明满足焊接工艺的要求。