基于螺旋搜索机制的行星搜索算法

螺旋搜索机制的全局搜索能力强,广泛用于萤火虫算法及鲸鱼搜索算法,但其收敛速度慢,收敛精度低,局部搜索能力较差。通过改变收敛范围较小时的搜索模式,提出了局部螺旋搜索来提高其局部搜索能力,并引入变异操作提高其局部搜索能力,提出了行星搜索算法。通过对单峰及多峰值测试函数对该算法进行验证。结果表明行星搜索算法在收敛速度、搜索精度及局部搜索能力等方面较粒子群算法、萤火虫算法及鲸鱼搜索算法等有明显提升。     

合同网协议协商机制收敛性与收敛速率分析

针对合同网协议协商机制缺乏问题求解质量与效率分析的情况,设定假设条件,构建马尔可夫链模型,得出了利用目前已有的合同类型无法保证全局收敛的结论.在此基础上,提出了变邻域合同系的概念,通过分析控制方式对收敛性的影响,得出了集中式控制可以保证全局收敛以及分布式控制以概率保证全局收敛的结论,并设计了概率的计算方法.采用Doebin理论,对应用变邻域合同系的收敛速率进行分析,得出了集中式控制收敛速率与分布式控制收敛速率的上下界估计.     

基于压缩感知的图像重构算法

在图像压缩感知中,梯度投影恢复算法存在收敛速度慢、迭代次数多、对数据稀疏度过分敏感的问题。为此,提出一种基于压缩感知的图像重构算法。将拟牛顿法引入稀疏梯度投影算法中,利用拟牛顿法的估计校正机制以及其全局超线性收敛性,通过对目标函数的校正,获得更精确的搜索方向,从而减少迭代次数,构成有效收敛的图像恢复算法。实验结果表明,与传统梯度投影恢复算法相比,该算法在保证较好图像恢复效果的同时具有较好的抗噪性能,并且在减少迭代次数的基础上能有效降低重构误差,得到稳定收敛的重构结果。     

几种经典的策略梯度算法性能对比

策略梯度函数是基于直接策略搜索的方法。它把策略参数化,并且估算优化指标相对于策略参数的梯度,然后利用该梯度来调整这些参数,最后可以获得局部最优或者局部最优策略。所以这样得到的策略可以是随机性策略也可是确定性策略。通过自主开发的Gridworld策略梯度实验平台,对经典GPOMDP、NAC和基于TD(λ)的策略梯度算法的收敛性能进行了对比分析。     

求解非线性互补问题的光滑化拟牛顿法

利用光滑Chen Harker KanzowSmale函数和Robinson正则法,将非线性互补问题转化为与之等价的光滑非线性方程组,并基于无导数线搜索技术提出了一种新的求解P0非线性互补问题的光滑化拟牛顿法.在一定条件下获得了算法的全局收敛性,数值实验表明该算法是有效的.     

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.     

基于多保留策略的复合型遗传算法及其收敛性分析

遗传算法(GA)作为一种新型的智能优化方法,以其结构简单、适应性强等特点在众多实际领域取得了成功的应用,但存在计算复杂度大、易于局部收敛等方面的不足。本文在分析现有遗传操作的不足和生物进化的基本特征基础上,从提高进化效率的角度出发,提出基于多保留策略的复合型遗传算法(简称MRS-CGA);进而利用Markov链理论和仿真技术,从不同的层面分析了算法的性能。讨论结果表明,算法从本质上推广了常规的GA,在计算效率和收敛性能上均明显地优于常规的GA。     

关于信号滤波中的频率逼近

该文研究信号滤波中的频率逼近问题。结合N-过程和加权因子的方法构造一个新的离散测度,讨论此测度的弱*收敛性。由此测度提供了一个内积形式的定义产生的正交多项式序列-Szeg正交多项式序列。由该多项式序列的零点的性质导出滤波中的未知频率的近似形式,并给出逼近度估计。同时对频率分析问题中的多项式的次数与临界点的个数之间的关系作了一些探讨。     

随机指标鞅序列的收敛性

主要讨论了以停时序列{τn}n∈N作为鞅序列{xn}n∈N的指标时,序列{xτn}n∈N的收敛性问题.     

解代数方程时Halley迭代法的收敛性

讨论同时求解代数方程所有单根时Halley迭代法的收敛性,给出了保证其收敛的初值应满足的一个充分条件,使Halley迭代法的收敛性获得新的表述和证明。