目标有优先权的模糊多目标规划的一种解法

本文讨论了目标具有不同优先权的模糊多目标规划问题的一种近似解法．每个目 标的优先权用正实数表示，将目标的优先权和隶属函数合成新的隶属函数。再用模糊 最大策略方法求满足每一个目标的新隶属函数和约束的隶属函数的最大λ值，即把解 有不同优先权的模糊多目标规划问题化为解普通线性规划问题． 文中从理论上证明了算法的正确性．并给出误差估计公式．通过 一个例题的计算说明该算法是合理的，误差估计公式是正确的。     

机械臂逆运动学避障最优求解算法

针对多自由度机械臂在障碍物环境下逆运动学求解存在多解性和碰撞问题,研究了一种将碰撞检测算法、最短行程方法与差分进化算法相结合的具有避障能力的机械臂逆运动学最优求解算法。首先,以六自由度机械臂为研究对象,对机械臂和障碍物进行建模,并建立求逆运动学解的目标函数,目标函数由末端执行器位姿误差函数、目标角度与初始角度之间的变化量函数、碰撞检测函数加权求和组成;其次,利用差分进化算法对目标函数进行最优求解,为了减小函数权重对求解速度和精度的影响,设计了一种自适应权重优化算法,使得求解关节角度在优化求解初期快速达到最短行程位姿角度附近,而在优化求解后期具有更高的的求解精度,即可求得具有避障能力、行程最短且高精度的最优逆运动学解;最后,以UR5机械臂为例,通过MATLAB软件中的Robotics Toolbox工具箱对算法进行仿真验证,验证了算法的有效性。     

重大事故救灾路线双目标优化模型及算法

运用运筹学的理论和方法,建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想,提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法,在最优解的近似区间内多次迭代逐渐逼近最优解,实现了双权重网络图最短路的求解,是一种近似的、快速的算法.基于所构造辅助函数的性质,给出实现该算法的具体步骤.对误差进行线性估计,分析了该算法收敛速度的影响因素,并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法,证实其模拟结果与理论分析结论相吻合.     

基于布谷鸟搜索算法的弹性力学边界条件识别

二维弹性力学Cauchy边界条件反问题的可进入测量部分边界上的全部面力和位移边界条件均已知,难进入测量部分边界上的所有边界条件需要求解。基于边界元方法,采用多项式函数近似未知的面力边界条件,将该反演问题转化为多项式系数识别问题。目标函数定义为已知边界上面力的计算值和给定值之间的最小二乘误差,利用布谷鸟算法最小化目标函数,实现对待求边界上面力边界条件的数值反演。未知位移由反演得到的面力结合其他已知边界条件代入正问题中求解得到。比较了未采用多项式和采用多项式近似的计算结果,并分别讨论了鸟巢数量、多项式阶数及测量误差对数值反演的影响。数值算例验证了布谷鸟算法联合多项式近似可准确有效地求解弹性力学Cauchy边界条件反问题。     

基于多传感器信息融合理论的交互式多模型算法

在经典的交互式多模型算法中,对似然函数的高斯近似以及概率密度函数与概率质量函数的混合计算使得所求得的模型概率仅为贝叶斯意义下的次优值.为解决此问题,基于各滤波器估计误差的相关性和多传感器最优信息融合准则,提出了一种重新加权的交互式多模型算法.该算法通过计算估计误差的互协方差阵对模型概率进行更新,在此基础上利用最优信息融合理论对各滤波器的滤波结果进行融合.理论分析及仿真结果表明:经过重新加权的交互式多模型算法较原始算法以及其他忽略误差相关性的交互式多模型的改进算法在估计精度上均有显著的提高.     

变量矩阵算法及一类曲线最佳拟合问题的解

讨论１种对无约束目标函数采用变量矩阵算法求解最优值的方法，变量矩阵算法的特点是利用矩阵迭代计算，收敛速度快，过程较稳定，对于一类可逼近模拟曲线的最佳拟合，可以迭代出符合要求的参数值。作为较典型的应用实例，设计１种幅度均衡器。通过迭代搜索找出满足衰耗误差的元件值，说明曲线拟合达到了预期的效果。     

分数阶微积分的高精度递推算法

设计了一种计算分数阶微积分的高精度数值算法,提出了一种构造生成函数的简便方法.分析了基于快速Fourier变换的算法,该算法误差较大的原因是应用了不准确的生成函数的系数,而且没有考虑原函数的非零初值条件对计算精度的影响.新算法应用递推公式计算生成函数的系数,并将原函数分解成零初值条件和非零初值条件两部分,分别计算它们的分数阶微分和积分,这样可以减小计算误差.误差分析和计算实例证明新算法具有很高的计算精度.     

一种新型可靠性模型参数优化求解方法

对可靠性增长模型参数进行求解多采用构造极大似然函数,并对似然函数求极值的方法。用极大似然法进行参数优化估计时,有容易受迭代初值的影响不易收敛到全局最优解的缺点,文中采用进化规划（EP）算法,建立以适应函数为目标,求其极大值点即可确定参数最优解的优化模型,不再需要求极值和估计优化变量的初始值即可获得全局近似最优解。为了更好地确保获得全局最优解,进一步保证方程解的精度,进化规划算法采用了并行操作、保留最优个体等方法。新的优化参数求解方法可以在求解效率和收敛性能上达到较好的平衡,能更好地将优化方法与最大似然估计法相结合。最后利用某固体火箭发动机的可靠性增长实验数据验证了该优化方法的有效性和正确性。     

基于混合遗传算法的车辆优化配置的数学模型

研究了物流运输系统车辆数优化问题的数学模型,构造出了模拟退火算法的能量函数,根据该函数可以求最优车辆数,又可以求最优车辆数下的最优行驶路径。用遗传模拟退火算法实现了车辆数的优化计算与路径优化计算。     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化(PSO)算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点.针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识.该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识.利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明:改进的PSO算法用于岩石蠕变模型的参数辨识是有效的.     

基于非凸上界的ranking模型构造算法

现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型,得到的模型不够精确.为此,文中提出一种基于非凸上界的ranking算法.该算法首先给出一个基于多类支持向量机(SVM)的框架,然后定义面向NDCG的目标函数,在此基础上设计一个比现有的凸上界更为紧凑的非凸上界逼近原目标函数;针对上界函数的非凸非光滑,提出使用凹-凸过程进行凸逼近,并采用割平面算法进行求解;最后,通过在基准数据集上的实验对该算法进行验证,并与现有算法进行对比.结果表明,相比现有的基于凸上界的ranking算法,文中算法得到的模型不但更为精确,而且更加稳定.     

关于基于近似次梯度的非光滑优化束方法的对偶问题的研究

利用目标函数值和近似次梯度,构建了非光滑无约束优化问题目标函数的一个下近似模型,通过对该近似模型取极小寻找下一个可能使目标函数值下降的试探点.利用Lagrange函数写出了原近似问题的对偶问题,揭示了原近似问题的最优解与对偶问题最优解之间的关系,并进一步分析了相应的近似次梯度的某种凸组合与目标函数在当前迭代点的次微分以及目标函数的近似模型在当前迭代点的近似次微分之间的所属关系.所得结果为原近似问题的求解开辟了新思路,也使整个外层束方法的执行变得简单易行.     

极小化一元凸函数的一个数值方法

本文给出了一个极小化一元非光滑凸函数的可执行的数值方法，此算法的要点是仅用在已有的五个点上的函数值去确定两个更好的接近最优解的点．我们证明了这个算法是全局收敛的和ｒ－超线性收敛的，数值结果也表明此算法有好的收敛性．     

多项式前向神经网络

提出了一种新型的前向神经网络模型-多项式神经网络。该网络具有三层结构,隐层、输出层神经元激活函数分别为：f(x)=x^p和线性函数,网络隐层-输出层的权值采取最速下降法学习,输入层-隐层的权值采用遗传算法进行学习;网络学习时,其误差函数单调递减,学习算法具有较好的收敛性;该网络能逼近任意的连续函数,且具有较好的稳定性,应用实例表明该网络的性能是优良的。     

基于指数饱和函数的非线性系统自适应模糊控制

为减小模糊逻辑系统的逼近误差,引入指数饱和函数项对一类未知非线性系统进行间接自适应模糊控制.直接用模糊逻辑系统逼近未知非线性函数,基于广义误差对模糊逻辑系统中的未知参数进行自适应调整,并用指数饱和函数项对逼近误差进行补偿.该方法不但能使跟踪误差收敛到原点的一个小邻域内,而且通过适当减小控制器中设计参数,可使跟踪误差减小.仿真验证了该方法的有效性.     

电力系统无功优化的分段线性同伦算法研究

提出了采用分段线性同伦算法进行电力系统无功优化的新方法。文中以系统有功损耗最小为目标函数，以运行变量为约束条件，利用状态变量与控制变量之间的灵敏度矩阵建立了无功优化数学模型。经过ＩＥＥＥ－６节点实验系统的计算分析，取得了满意的结果。     

无约束优化的非单调三次正则BB算法

先利用BB(Barzilai Borwein)类型参数构造目标函数Hessian矩阵的近似矩阵, 通过极小化当前迭代点处的三次正则化近似梯度模型求解试探步, 再结合非单调线搜索策略提出一个非单调三次正则BB算法, 最后给出算法的收敛性证明. 数值实验结果表明, 该算法数值性能良好.     

可变形Gabor小波特征模板跟踪方法

提出了一种利用可变形Gabor小波特征模板,跟踪存在较大视角变化目标的方法.利用Levenberg-Mar-qudit优化方法,从图像中提取出一组具有特定参数的Gabor小波,并求出其权重作为目标特征;在跟踪过程中利用同样的优化方法求出这组特征的仿射变换参数;从经过仿射变换后的图像中提取小波权重,将这个权重与初始权重的误差定义为能量函数.利用"贪心算法"修正小波的位置参数,使这个能量函数最小化,从而实现可变形模板跟踪.对直升机和飞机图像序列进行的跟踪实验证实:通过特征更新,在视角变化较大的情况下,该方法仍然可以稳定地跟踪目标.     

Unsupervised Nonlinear Adaptive Manifold Learning for Global and Local Information

In this paper, we propose an Unsupervised Nonlinear Adaptive Manifold Learning method(UNAML) that considers both global and local information. In this approach, we apply unlabeled training samples to study nonlinear manifold features, while considering global pairwise distances and maintaining local topology structure. Our method aims at minimizing global pairwise data distance errors as well as local structural errors. In order to enable our UNAML to be more efficient and to extract manifold features from the external source of new data, we add a feature approximate error that can be used to learn a linear extractor. Also, we add a feature approximate error that can be used to learn a linear extractor. In addition, we use a method of adaptive neighbor selection to calculate local structural errors. This paper uses the kernel matrix method to optimize the original algorithm. Our algorithm proves to be more effective when compared with the experimental results of other feature extraction methods on real face-data sets and object data sets.