一种三参数统一化动量方法及其最优收敛速率

动量方法由于能够改善SGD(stochastic gradient descent)的收敛性能而倍受机器学习研究者的关注.随着其在深度学习的成功应用,动量方法出现了众多形式的变体.特别地,产生了SUM(stochastic unified momentum)和QHM(quasi-hyperbolic momentum)两种统一框架.但是,即使是对非光滑凸优化问题,其最优平均收敛性的获得仍然存在着固定迭代步数和无约束等不合理限制.为此,提出了一种更一般的含三参数的统一化动量方法TPUM(triple-parameters unified momentum),能够同时包含SUM和QHM;其次,针对约束的非光滑凸优化问题,在采取时变步长的条件下,证明了所提出的TPUM具有最优的平均收敛速率,并将其推广到随机情况,从而保证了添加动量不会影响标准梯度下降法的收敛性能以及动量方法对机器学习问题的可应用性.典型的L1范数约束hinge损失函数优化问题实验验证了理论分析的正确性.     

带组换装时间的单机调度问题

在某钢铁线材企业的实际调度问题的基础上,研究了一类带有组换装时间的单机调度问题.根据该调度问题的实际需求,以最小化作业的最大延迟为优化目标.由于该问题是NP难的,提出了一类启发式算法来求解该问题,并进一步通过引入问题的性质,提高算法的寻优性能,降低算法运行时间.该算法在随机产生的测试问题和企业的实际调度上均进行了测试,实验结果表明该启发式算法能在短时间内获取近优解.     

基于最小社团链接度增量的社团结构挖掘算法

针对复杂网络社团结构挖掘算法复杂度高的问题,定义了一个衡量局部社团结构的指标,提出了一种基于最小社团链接度增量的社团结构挖掘算法.本算法的时间复杂度为O(kd),其中d为网络的平均节点度数,k为搜索的节点数.为了验证本算法的性能和计算的准确性,把本算法与一种经典的挖掘局部社团结构方法——Clauset算法,进行了比较.实验结果表明:本算法抽取的社团结构与Clauset算法相比基本一致,但在性能上有了显著提高.     

平面桁架结构拓扑优化设计的改进智能算法

结构拓扑及形状退火算法(STSA)用于桁架结构拓扑优化设计,其优化特点为注重结构构型的改变而较少考虑结构的力学性能,而针对既定几何构型的桁架结构截面优化,满应力准则法(FSD)具有明显优势,因此,将其引入退火历程改进STSA。提出结构几何构型状态相对稳定判别方法,并以结构构型状态相对稳定作为引入FSD的最佳时机形成杂交算法。算例分析表明：该改进智能算法使寻优搜索过程更为稳定,其表现为搜索效率、鲁棒性和最优解均得以改善。     

一种新型PIR人体探测技术研究

为了提高被动式红外(PIR,passive infrared)探测器的工作性能,从改进PIR探测器空间布局和信号处理入手,提出一种基于复合式布局的PIR探测器人体探测的新方法.采用双PIR探测器复合式布局,通过GA算法得到其最优布局.当人体在探测区域内运动时,两探测器同时多角度检测人体移动情况.验证实验结果表明,提出的新检测方法能使设计的PIR探测器有效且可靠地检测和识别人体的移动情况.该检测方法适用于基于PIR传感的人体移动的智能检测和识别系统.     

带有侦察子群的蚁群系统

针对基本蚁群算法收敛速度慢、容易出现停滞等缺陷,提出一种新的蚁群优化算法——带有侦察子群的蚁群系统.该算法从整个蚁群中分离出一部分蚂蚁组成侦察子群,在优化过程中侦察子群以一定概率做随机搜索,提高了解的多样性;在信息素更新策略上同时使用本代和全局最优蚂蚁,兼顾了本代和历史的搜索成果;同时还采用LK变异算子,对每次搜索的解进行局部优化.最后对三个典型TSP实例进行了仿真实验,结果表明新的算法不仅能够克服早熟现象,而且能够大大加快收敛速度.     

兼顾板形的热连轧机负荷分配的优化

针对热连轧过程中板形板厚综合控制问题,提出了兼顾板形的负荷分配方法,并且使用免疫遗传算法进行了参数优化.实验数据对比分析表明,该方法是有效的,能够实现板形板厚的综合控制.     

基于运动蓄电的智能温控衣设计

针对目前市场上的温控衣只能通过市电充电,导致在寒冷的边疆等充电不便的条件下不能长时间使用的现状,设计了一种能运动蓄电、手机调温的智能温控衣。运动蓄电采用人体运动切割磁感线,产生电能给蓄电池充电;手机调温采用蓝牙通信技术,实现温控衣与智能手机的通信;STM32芯片作为控制核心,利用增量式PID算法使温控衣的温度始终保持在用户所设定的温度。测试结果表明,当运动速度达到2m/s(>2m/s)时,机械能转换电能的效率达到(超过)电源适配器充电的效果,解决了温控衣仅依赖市电充电的问题。     

一种由粗到细的渐进式特征点定位算法

为了解决描述口形轮廓的特征点定位问题,提出了一种特征点定位算法,通过建立口形灰度图像与口形特征点矢量之间的线性映射关系,实现了特征点的初始定位.在此基础上利用局部纹理模型,实现了对特征点位置的进一步准确调整.该算法克服了单纯基于局部纹理模型可能陷入搜索过程中局部收敛的缺点并提出了适合描述唇部特征的局部纹理模型,提高了特征点标定的准确性.     

基于Q强化学习的综合能源服务商现货市场申报策略研究

随着综合能源系统建设和电力市场改革推进,综合能源服务商有望成为新的市场交易成员。为解决申报阶段有限的决策参考信息制约申报策略制定的问题,文章提出了一种基于Q强化学习的综合能源服务商现货市场申报策略,以提升申报策略的理想度。该方法的主要特点在于充分利用庞大的历史运行信息,通过人工智能算法训练申报策略智能体,建立综合能源服务商所掌握的有限参考信息与最优申报策略之间的内在关系。智能体以市场公开信息、社会公共信息及服务商私有信息为环境变量,能够实现申报策略的自动生成和智能改进。最后,基于某省电网实际数据构造算例表明,该方法能较好地拟合合作博弈下的申报策略,具有收敛速度快、理想度高、计算效率高等特点,更符合综合能源服务商决策需求。