井间层析成像的平滑SIRT算法

井间层析成像是一个非线性反演问题,为了保证反演过程的稳定性,并提高迭代的收敛速度,对常规的SIRT算法进行了改进,即引入了平滑算子对梯度场进行动态平滑,并且通过线性搜索确定速度更新的步长。将这种改进的算法称为平滑SIRT算法。模型试算的结果证明,该方法提高了迭代的收敛速度,而且反演结果不受初始模型的影响,使反演过程的稳定性大大提高。     

同步迭代图像重建技术在电容层析成像系统中的应用

在电容层析成像 (ECT)系统中 ,为克服电容测量值数目有限以及管道内敏感场分布的“软场效应”,引入了一种同步迭代图像重建技术 (SIRT)。针对收敛速度和重建后图像的模糊效应 ,对 SIRT算法进行了改进。改进后的 SIRT算法使重建图像的速度和质量都有了明显的提高。对八电极ECT系统进行的仿真和静态实验结果表明 ,这种算法可望满足用于在线工业过程电容层析成像系统成像的要求。     

BPT算法对SIRT算法的一种加权研究

对声波层析成像中的SIRT算法提出了一种加权算法。该改进算法先通过BPT算法得到慢度分布,以之作为SIRT算法的初始值,以空间各点的慢度值与平均慢度值之差作为权系数对SIRT算法中射线矩阵进行加权。算例表明,该改进算法保持了SIRT算法收敛特点的同时,能够加快SIRT算法的收敛速度,提高计算效率,尤其能提高计算精度,是一种可行的加权方法。     

求解抛物型方程的高精度并行算法

研究求解抛物型方程三层隐式差分方程组的嵌套迭代并行算法,给出了此算法的构造过程,推导论证了它的迭代收敛条件和收敛趋向。该算法具有O(△t^3 Δx^6)精确度阶和绝对稳定性,并对任意网比r和任意阶子方程组,迭代过程都是收敛的,且迭代收敛速度在每段中随网格点数P增加而增加。为提高迭代收敛速度,节省机时,还讨论了一类多点嵌套迭代算法,也给出了稳定条件、迭代收敛条件和收敛趋向。以上分析表明嵌套迭代并行算法对三层格式也是适用的,并且使并行算法的构造更加灵活。数值例子表明本算法具有高精度、高迭代收敛速度、高稳定性的特点。     

改进的独立分量分析算法

对独立分量分析算法的基本理论和FastICA算法进行了简要介绍.传统的FastICA算法只具有二阶的收敛速度,为了提高独立分量分析算法的收敛速度,减少迭代次数和运行时间,提出了一种改进的独立分量分析算法——五阶收敛的牛顿迭代法.对牛顿迭代算法加以修正,使改进的独立分量分析算法具有五阶的收敛速度.图像信号分离仿真实验表明,改进算法与传统的FastICA算法在分离效果相当的情况下,明显减少了传统的FastICA算法的迭代次数和运行时间,提高了收敛速度和运行效率.     

基于Keren改进配准算法的IBP超分率重建

提出了一种基于Keren改进配准算法的迭代反投影(iterative back-projection,IBP)超分辨率重建算法.该算法克服了Keren迭代配准算法基于小角度旋转的局限,并在迭代运算过程中引入了权重因子和阈值.权重因子有效地控制了算法的收敛速度,提高算法的稳定性.阈值的引入使得算法效率更高,配准结果更加准确.通过Keren改进配准算法进行配准,再通过IBP算法对配准后图像序列进行超分辨率重建,仿真结果表明,基于Keren改进配准算法的IBP重建具有良好的超分辨率重建效果.     

优化Tikhonov迭代法在电容层析成像中的应用

为了提高电容层析成像的速度和质量,将收敛速度较快的Tikhonov迭代法应用于电容层析成像.Tikhonov迭代法的难点在于正则化系数的选取,通过对其正则化作用的分析,提出利用对灵敏场的奇异值分解,选取最大奇异值作为正则化系数,从而保证算法收敛的稳定性;同时为了提高收敛速度,将线性反演算法(LBP)计算所得的灰度作为迭代的初始值.结果表明:该正则化系数具有更高的稳定性和收敛速度;Tikhonov迭代法与Landweber迭代法相比具有收敛速度更快,重建图像质量更高的优点.     

改进的基于模态参数的结构计算模型修正算法

对基于模态参数的结构计算模型修正算法而言，实验振型扩充是一个必要环节，由于修正问题需要迭代求解，所以以往算法用于振型扩充的系统矩阵一般都来自于上一迭代过程，导致系统矩阵误差传递给用作修正参考值的的充实验模型，滞缓了迭代收敛速度，针对这一问题，提出一种改进算法，通过给扩充后的振型矩阵添加一个修正项来减小因系统矩阵不精确而导致的的充振型误差，振型修正项与待修正参数之间的相关关系由求解一个最小化系统特征方程和振型误差的优化问题获得，算例研究表明，改进的算法可以提高修正的收敛速度，且迭代收敛曲线更趋平滑。     

基于精细积分思想的反演简单迭代算法

为了提高走时层析成像中反演算法的性能,采用一种基于精细积分的简单迭代算法。反演计算归结为一个简单的迭代求解过程,对过程中出现的逆矩阵求解利用精细积分思想,确保迭代收敛且能收敛到方程的真解,同时具备较高的迭代速度。检测板模型恢复测试以及实际资料反演结果表明:该方法计算过程简单,在迭代次数较少时即能得到分辨率较高的波速剖面图;与目前常用的一些方法相比,本文方法在反演图像分辨率和迭代效率上都具有一定的优势。     

基于改进ACS算法的移动机器人路径规划研究

针对蚁群系统(Ant Colony System,ACS)算法存在收敛速度慢、路径不平滑、易陷入局部最优等缺点,提出了一种基于万有引力搜索策略的ACS算法.为了解决算法初期由于地图信息匮乏,导致蚁群寻路盲目性较大的问题,提出了简化ACS算法对初始信息素浓度进行更新.引入万有引力算法搜索策略,提升了算法收敛速度,且有效解决了局部最优问题.对每次迭代获取到的最优路径进行优化,减少了路径的转折点数量、提升了路径平滑性.仿真试验表明,改进算法能够有效提升算法的收敛速度、路径平滑性.将改进算法应用到实际的移动机器人导航试验中,试验结果表明,改进算法能够有效解决移动机器人的路径规划问题,且有效提升移动机器人的导航效率.     

改进的混合级联遗传算法

将模拟退火算法和级联遗传算法相结合,提出了一种改进的混合级联遗传算法。模拟退火算法承认物种进化过程中的局部失败和倒退,它允许进化中的波折而不是非要物种进化一直是上升的、成功的,模拟退火算法能使搜索过程避免陷入局部最优解。级联遗传算法假设问题的最优解总是靠近于问题的局部最优解的,据此,级联遗传算法通过不断缩小解空间达到快速收敛的目的。综合运用这两种算法,可克服模拟退火算法收敛速度慢、级联遗传算法局部搜索能力差的缺点。利用本算法构造CL多小波前置滤波器的实验结果表明,本算法不仅计算速度快,而且稳定性也得到了显著提高。     

CSAMT一维全区Levenberg-Marquardt反演方法

本文将Levenberg-Marquardt这一全新反演方法引入CSAMT勘探的全区数据反演,提高了CSAMT勘探的深度,避免了测深数据的浪费。Levenberg-Marquardt反演的核心是引入变阻尼的思想,在反演的过程中根据向量各个分量的收敛速度的不同,给定不同的阻尼因子,实现反演的自适应化,这样就大大增加了整个反演的收敛速度和反演精度。反演中采用改进的Bostick变换作为初始模型,减少了反演的迭代次数。     

改进的神经网络并行算法及其在地震初至拾取中的应用

针对经典BP神经网络易于陷入局部极小点、易于产生振荡等缺点,提出了神经网络初始权值的二分法,改进了一种网络结构自动确定算法,并将随机算子和遗忘因子引入BP神经网络中.在提高全局寻优能力的同时,加快了网络的收敛速度.在分析了神经网络内在并行性的基础上,基于MPI实现了改进算法的并行化,将算法应用于地震资料的初至拾取,并取得了良好的应用效果,验证了算法的有效性.     

函数型数据光滑系数的选择方法及其加速策略

采用L曲线法大致定位迭代初始点,结合牛顿法加速求解最佳光滑系数.数值试验表明,经验值可能造成不收敛,且定位不够准确,而L曲线法直观、有效地定位初始点,保证了收敛性.通过GCV牛顿法提高了求解速度,在精度和时间上都取得较好效果.     

基于拉普拉斯交叉算子的遗传匹配追踪

遗传匹配追踪算法可提高寻找最佳原子速度,但交叉算子降低收敛性,使算法的搜索速度降低。采用拉普拉斯交叉算子改进算法,将父代的拉普拉斯分布的密度函数系数引入算术交叉算子来实现父代控制子代的产生。仿真实验结果表明,这种改进的遗传匹配算法,从残差能量和搜索时间两方面的改进是有效的。     

一种快速寻优的新型改进遗传算法

在现有几种遗传算法(GA)的基础上,对GA中的适应度函数、交叉策略和变异策略做了进一步的设计,从而提出了一种新型改进GA。新型改进GA以群体的多样性与算法的收敛速度、全局与局部搜索能力的综合均衡为设计重点,较好地解决了一般GA收敛速度慢和局部搜索能力差的缺点。仿真结果表明:该算法与常用的标准GA和采用算术交叉算子的实值编码改进GA相比,有更快的收敛速度,更高的收敛精度及全局收敛概率。     

多约束条件下基于改进遗传算法的移动机器人路径规划

针对在多约束条件下移动机器人在路径规划中搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及困难度这3种因素的影响,通过分析多约束条件下遗传算法在初始化种群时计算方法的不足,提出利用SPS(surrounding point set)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力;增加平滑算子和删除算子,删除相对最终路径而言不必要的点,同时使路径更加平滑;结合小生境法以保持种群多样性,避免出现算法早熟现象.仿真结果表明,改进后的算法在路径长度,路径平滑度以及路径困难度方面均有一定的优势,同时算法的收敛速度也略有提高.     

一种改进的RVSSLMS波束赋形算法

作为智能天线的关键技术之一,波束赋形算法引起了众多学者的广泛关注。为克服目前RVSSLMS算法比较简便,易于实现,但收敛速度较慢;RLS算法收敛速度较快,但其运算量大的问题,根据移动通信系统中波束赋形算法必须具有较快的响应速度和收敛速度的要求,对RVSSLMS算法进行了改进;结合RLS算法和RVSSLMS算法的优点,在开始迭代前的25次用RLS算法求加权系数W(k),再使RVSSLMS算法用RLS算法求出的加权系数W(k)作为初始值进行迭代求解,使其在保持原有运算量小的特点的同时,具有更快的收敛速度。用Matlab仿真对改进方法的有效性进行了验证,仿真结果表明:RLS-RVSSLMS算法既具有RLS算法收敛速度快的特点,同时保持了RVSSLMS算法计算量小的特点。