以度量分段约束为特征的形状匹配算法

为在形状匹配的过程中利用较少的计算时间获取较高的识别率,同时兼顾形状特征对几何变形的鲁棒性,提出一种以度量分段约束为特征的形状匹配算法.通过提取形状轮廓上采样点间的度量信息,如欧氏距离、三角形半径等,约束每个采样点与整体形状之间的几何关系;进一步,将度量信息进行分段描述,以增强该算法对几何变形的稳定性;最终结合动态规划算法完成形状的匹配.在国际通用数据库上的实验结果表明,文中算法能够快速、有效地实现形状的匹配,且对于形状变形具有较好的适应性;此外,该算法适用于多种几何度量信息,便于扩展和推广.     

基于STL文件的Laplacian网格优化算法

针对直接重构得到且以STL文件格式存储的网格模型质量不高的问题, 提出了一种基于Laplacian坐标的网格模型全局优化算法。该算法在提高三角面片质量的同时可以很好地保持原网格模型的局部几何特征, 其核心思想是通过在最小二乘意义下求解由权重控制的包含顶点位置和拉普拉斯坐标双重约束的线性系统来对网格顶点进行重新定位。从实验结果可以看出, 该算法较以往的Lapacian优化算法在对网格细节特征的保持上有一定优势。     

GAFSA优化SVR的网络流量预测模型研究

现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题, 研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法, 寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优, 可以得到使预测效果最佳的训练参数; 使用这组最优参数训练SVR, 建立网络流量预测模型, 可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题, 使预测结果趋于稳定, 同时也可以提高预测精准度。仿真结果表明, GAFSA-SVR网络流量预测模型与其他模型相比, 预测结果基本稳定, 精准度提高到89%以上, 对于指导网络控制行为、分析网络安全态势有重要意义。     

基于P系统的粒子群优化算法

为了克服算法早熟收敛问题并提高算法精度, 引入了膜计算理论。将PSO算法与P系统相结合, 提出了一种基于P系统的粒子群优化算法 (P-PSO), 有效地平衡粒子群的全局搜索和局部寻优。采用常用的三个测试函数对新算法进行了实验, 结果表明, 提出的P-PSO算法有效地解决了算法早熟问题, 提高了算法的收敛精度。由此可见, P-PSO算法能够有效改进原有PSO算法的性能。     

自适应改进和声—单纯形进化算法研究

针对和声搜索算法的不足,提出了一种自适应改进和声—单纯形进化算法(AIHSEA)。通过在新算法中加入变异策略对和声微调进行改进来增强算法的鲁棒性;适时执行单纯形算子增加群体搜索的方向性来加快搜索;采用自适应参数HMCR、PAR和BW调节全局和局部搜索。采用六个标准的优化算法测试函数对AIHSEA进行测试,并与HS、IHS和GHS算法进行对比,仿真结果表明AIHSEA算法具有较强的精确寻优和跳出局部最优的能力。     

非线性优化约束变尺度法新进展

讨论了SQP算法与QP-frec算法的研究背景及现状,介绍,它们的具体步骤及其相应的优缺点,构造了一个特殊的仅含等式约束的QP于问题,提出了相应的修正SQP方法,使之仍然具有求解不等式约束二次规划子问题的SQP方法相应的特点.构造一个特殊的线性方程组子问题,提出了相应的修正QP-free方法,减少了每步求斛的子问题个数.     

精确搜索下具有充分下降性的混合共轭梯度法

共轭梯度方法是求解大规模无约束非线性优化问题的一种重要方法.对参数βk不同的构造方法,形成了各种各样的共轭梯度算法.基于现有的研究结果启发,给出了参数βk的一种新的构造方法,进而提出了一种新的共轭梯度算法.该算法能够保证目标函数序列的充分下降性,并在目标函数可微的条件下,证明了算法的全局收敛性.     

Support vector machine forecasting method improved by chaotic particle swarm optimization and its application

By adopting the chaotic searching to improve the global searching performance of the particle swarm optimization (PSO), and using the improved PSO to optimize the key parameters of the support vector machine (SVM) forecasting model, an improved SVM model named CPSO-SVM model was proposed. The new model was applied to predicting the short term load, and the improved effect of the new model was proved. The simulation results of the South China Power Market’s actual data show that the new method can effectively improve the forecast accuracy by 2.23% and 3.87%, respectively, compared with the PSO-SVM and SVM methods. Compared with that of the PSO-SVM and SVM methods, the time cost of the new model is only increased by 3.15 and 4.61 s, respectively, which indicates that the CPSO-SVM model gains significant improved effects. Foundation item: Project(70572090) supported by the National Natural Science Foundation of China     

基于全局优化算法的多学科优化计算构架

比较了MDF计算构架与分解类构架对多学科连续性约束的处理策略,并分析了MDF计算构架对多学科分析提出的计算需求.在此基础上,将多学科分析(MDA)的求解问题转化为全局优化问题,结合具有全局搜索特性的遗传算法和具有较好局部收敛特性的复合形法,建立了一种全局优化算法GACA,以满足MDA的计算需求.基于GACA,对MDF计算构架进行改进,建立了两级优化MDF计算构架BL-MDF.典型算例的计算结果表明,本文的计算构架具有较好的计算性能,同时算例也验证了本文对MDF与分解类计算构架的比较结论.     

基于比率的三种群生态模型的建立及其稳定性

建立了基于比率的地下植物、地上植物、食草动物3种群生态模型,采用微分方程稳定性分析方法,对系统的稳定性进行了分析,讨论了系统边际平衡点的稳定性,并证明了这个系统正平衡点的存在性及其全局稳定性。