基于9种无约束优化算法的岩爆预测BP模型优选

为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5％、76.4％和87.5％;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0％)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.     

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.     

一种基于无约束总变分模型的阴影检测方法

阴影检测是进行阴影处理前的重要步骤,总变分模型可以用于影像阴影检测.通过对总变分模型进行改进,提出了一种基于无约束总变分模型的阴影检测方法.经实验及统计分析证明,在合适的迭代条件下,该方法对于单一阴影影像的处理效果理想.     

结合锥模型算法的修正多步拟牛顿法

提出一种解决维数较大的无约束优化问题的混合算法.该算法采用了一个开关用于切换修正多步拟牛顿算法和锥模型算法.结果表明,该算法既保留了拟牛顿算法的快速有效性,又将适用范围扩大到了二次模型逼近效果较差的函数,且对于大多数维数较大的函数都是切实可行的.     

解无约束最优化的超抛物面法

介绍了一种新的解无约束最优化的直接方法—抛物面法,它是在+1中找到不在同一超平面的+2个点,通过这些点确定一个超抛物面,以抛物面的顶点替换+2个顶点中函数值最大的点.重复上述步骤,以期达到更好的点.数值试验表明,尽管收敛速度不理想,但算法还是可行的.     

无约束优化问题的多种群混合类电磁机制算法

在分析了标准类电磁机制算法不足之处的基础上,提出了一种处理无约束优化问题的新的类电磁机制算法。新算法用两个种群进化,从两个进化种群中选出优势个体互相学习,交换信息;提出了基于粒子电荷量和它们之间距离的自适应调节的新的受力计算公式。仿真试验结果表明,和已有算法相比,该算法能有效克服早熟收敛,具有收敛快、求解性能好的优点.     

运动目标精确检测算法

针对运动目标检测中背景多变和干扰多样的问题,提出了一种运动目标精确检测方法。首先在HSV空间,利用无约束的学习方式迅速建立三向量背景模型,各象素点根据其像素本身的混乱程度采取不同个数的三向量模型进行描述,然后在运动目标检测过程中及时的根据背景变化对背景模型进行更新,同时根据各种干扰的特点,分别实现了光照变化、物体的移入移出和运动目标短暂停留的干扰检测和排除,使背景模型抗干扰性和收敛速度得到有效提高。实验结果表明,该算法准确性高、抗干扰性强。     

M-精英协同进化数值优化算法

为了解决高维无约束数值优化问题,借鉴协同进化和精英策略的思想,提出了M-精英协同进化算法.该算法认为,适应度较高的个体群(称为精英种群)在整个种群进化中起着主导作用.算法将整个种群划分为由M个精英组成的精英种群和由其余个体组成的普通种群这样两个子种群,依次以M个精英为核心(称为核心精英)来选择成员以组建M个团队.若选中的团队成员是其他精英,则该成员与核心精英利用所定义的协作操作来交换信息;若团队成员选自普通种群,则由核心精英对其进行引导操作.其中,协作操作和引导操作由若干不同类型的交叉或变异算子的组合所定义.理论分析证明,算法以概率1收敛于全局最优解.对15个标准测试函数进行的测试显示,该算法能够找到其中几乎所有被测函数的最优解或好的次优解.与3个已有的算法相比,在评价次数相同时,该算法所求解的精度更高.同时,该算法的运行时间较短,甚至略短于同等设置下的标准遗传算法.此外,对参数的实验分析显示,该算法对参数不敏感,易于使用.     

一个松弛非单调线搜索法

对于无约束优化问题,我们用松弛技术改进了一般非单调线搜索准则,建立了相应的求解算法,并证明了算法的整体收敛性.部分数值实验结果表明,这个松弛非单调算法有效.