生化系统稳态优化的一种二次规划算法

针对一类生化系统的稳态优化问题,在已有间接优化方法（IOM）的目标函数中引入一个反映S-系统解和原模型解一致性的二次项,提出了一种改进的优化算法．该优化算法不仅得到了一致的S-系统解与IOM解,而且可用现有的二次规划算法去计算．仿真结果表明了该优化算法的实用性和有效性．     

基于改进粒子群优化算法的弹道求解方法

为了提高火控系统实时性,提出了基于粒子群优化算法的弹道解算方法,该方法提高了系统响应速度,并为更好地与多核平台下的并行计算相结合提供了基础.首先在预估计瞄准角附近生成并初始化粒子群,然后通过由弹道微分方程等组成的适应度函数对每个粒子的好坏进行评价,最后对粒子群的速度和位置进行更新.为了加快算法的收敛速度,将周氏迭代修正公式计算得到的全局最优粒子的修正角度代替全局最优位置引导粒子群更新.采用实际算例对该方法的可行性与有效性进行了验证.实验结果表明较传统的迭代修正方法其解算速度中提高了约2倍;较传统粒子群算法其粒子群收敛速度加快了约1.5倍.此外该方法最大的优点便是可以与并行计算很好地结合,在多核计算机平台下计算时间还可以进一步缩短.     

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。     

实验模态数据修正计算模型的改进拉直算法

针对实验模态数据修正计算模型拉直算法存在的缺陷,提出了一种改进拉直算法:首先通过拉直方法,把待修正的质量和刚度矩阵的方程变为线性方程;然后把位于质量和刚度矩阵带状内的元素限制在给定范围内,并运用优化和迭代方法确定修正模型.该算法还考虑了带状矩阵内存在部分值为0的情况.实例计算结果表明,采用改进拉直算法,可以缩小修正模型质量阵和刚度阵与原模型质量阵和刚度阵之间的差别,使修正模型更符合实际,精度也很高.     

一种求解一维全局优化问题的重点取样统计模拟算法

针对无约束一维全局优化问题,提出一种基于重点取样的统计模拟算法,在原始积分水平集方法中引入交叉熵方法进行样本点选择,并在迭代过程中保留精英样本集.在最后的迭代中选取当前样本集对应的最小值点作为最优点.在一定条件下证明了算法收敛到问题的全局最优解.实验结果表明,所提算法采样效率更高,函数计算次数和运行时间比修正的纯自适应搜索方法更有优势.     

雷电定位计算的粒子群优化方法

针对雷电定位问题,引入粒子群优化(PSO)算法用于雷电定位计算.给出了利用这种算法进行雷电定位的计算步骤,并提出用PSO算法和传统迭代算法协作计算雷电位置的方法.通过数值仿真分析和电网雷击事故定位计算分析了PSO算法的性能.结果表明:该算法能克服传统迭代方法易于发散的缺点,稳定并精确地求解出雷电发生位置;该算法的计算量大于迭代方法,但比网格搜索法要大幅减小;利用PSO算法给出雷电定位初始值,再用迭代方法求解可保证计算稳定并减少计算量.     

支持向量机和粒子群优化的可靠度算法

针对非线性隐式极限状态方程的可靠度指标计算,将支持向量机和粒子群优化算法相结合,提出了一种结构可靠度算法.首先结合支持向量机不受样本点限制的优点,将历次迭代产生样本点加入本次迭代样本点中,采用支持向量机对样本点进行训练,然后引入粒子群优化算法计算可靠度指标,解决迭代过程中支持向量机回归模型可靠度指标计算震荡不收敛的情况,最后根据可靠度指标收敛得到的支持向量机回归模型,采用重要抽样法计算失效概率.计算结果表明:该方法得出的失效概率具有较好的精度,特别是针对迭代过程中可靠度指标不收敛的情况具有良好的适用性.     

Armijo型线搜索下一种修正HS共轭梯度法的全局收敛性

本文对HS算法进行了修正,在Armijo型线搜索下,该方法保证每次迭代中的搜索方向是充分下降的．在较弱的条件下．证明了此修正HS算法具有全局收敛性．最后对算法进行了数值试验,试验结果表明该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题．     

一种权函数状态估计新算法

提出一种权函数电力系统状态估计算法，该方法将加权最小二乘法(WLS)和加权最小绝对值(WLAV)二者之优点综合于一体，在计算过程中以残差变化量作为加速因子，修正权函数，使迭代次数明显减少，加快了算法的计算速度。用IEEE-14节点验证了此方法的优越性。     

一种修正HS共轭梯度法的全局收敛性

对HS算法进行了修正,在非单调线搜索下,该方法保证每次迭代中的搜索方向是充分下降的。在较弱的条件下,证明了此类非单调修正HS算法具有全局收敛性。最后对算法进行了数值试验,试验结果表明,该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题。     

点、边带约束成本的最短路问题及其算法

提出了点和边都带有成本约束的最短路问题，证明了该问题是NP－完全的，建立了这类问题的数学规划模型，并采用拉格朗日松弛算法对模型进行求解，给出了次梯度优化求解算法的一般步骤，考虑到算法在实际求解过程中收敛速度较慢的问题，进一步对拉格朗日松弛算法进行了2个方面的改进，一方面确定适当的迭代步长，另一方面选择较好的迭代方向，算法实例表明，改进后的拉格朗日松弛算法迭代步数显著较少，证明算法是有效的。     

Outlier Detection Algorithm Based on Iterative Clustering

A novel approach for outlier detection with iterative clustering( ICOD) in diverse subspaces is proposed. The proposed methodology comprises two phases,iterative clustering and outlier factor computation. During the clustering phase, multiple clusterings are detected alternatively based on an optimization procedure that incorporates terms for cluster quality and novelty relative to existing solution. Once new clusters are detected,outlier factors can be estimated from a new definition for outliers( cluster based outlier), which provides importance to the local data behavior. Experiment shows that the proposed algorithm can detect outliers which exist in different clusterings effectively even in high dimensional data sets.     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

约束复合形法在非凸可行域上的一种修正算法

约束复合形法是求解约束非线性最优问题的一种重要方法,该文对约束复合形法在非凸可行域上的迭代计算方法进行了探讨,针对复合形形心点落于可行域之外的情况,对常规的复合形算法进行了修正,提出了一种适合于工程计算的,高效实用的迭代算法。     

基于正则方法与迭代技术相结合的复杂温度场重建算法

针对傅里叶正则算法在复杂温度场重建过程中存在的不足 ,首先用正则化方法获得温度场重建这一不适定问题的稳定解 ,然后利用迭代技术对解进行一次迭代优化修正 ,充分考虑观测矩阵降质对温度场重建的影响·提出一种基于正则化方法与一次迭代技术相结合的复杂温度场重建算法·仿真结果表明该算法温度场重建精度优于傅里叶正则算法 ,能快速而较高精度地重建出复杂温度场二维温度分布     

基于MQPSO优化的属性约简方法

变异量子粒子群算法(MQPSO)通过在量子粒子群算法(QPSO)中引入变异机制,增加了全局搜索能力,避免陷入局部最优。在粗糙集理论和MQPSO算法基础上,提出了基于MQPSO优化的决策表属性约简方法,并在算法实现中提出了迭代记录策略,改进了算法中的耗时计算部分,降低了算法的时间复杂度。     

改进的PSO优化SVM的病理图像分类算法

为了提高医学病理图像分类的准确率,提出了一种带有粒子位置权重和粒子之间相关度函数的PSO(particle swarm optimization)参数寻优算法.首先,在经典PSO算法的基础上提出了一种基于适应性原则的位置更新策略.然后,在粒子进行参数寻优的过程中,设计了一个增加粒子之间相关性的函数.该算法可以在不考虑速度影响的情况下进行参数最优解的搜索.最后,用经过PSO优化的支持向量机(SVM)算法分类检测病理图像.实验结果表明,该算法的分类准确率达到了98.5%,较高于另外几种算法.分类检测结果符合临床诊断结果,满足医学研究要求.     

拓扑优化均匀化方法的改进迭代算法

针对大型连续体结构拓扑优化中迭代步过多、计算时间过长的问题,对拓扑优化均匀化方法进行了改进,并通过引入的2个密度阈值来控制计算过程.算例表明,采用改进的拓扑优化均匀化方法可有效减少迭代步数、节省计算时间,且不会影响拓扑优化计算结果.     

空问映射与响应面法相结合的改进优化算法

在空间映射与响应面法相结合的基础上修改了序列响应面的程序流程，从而改变了应用响应面方法优化时的迭代本质。改进方法无须每次迭代重新拟合低保真模型响应面，只在第一次迭代拟合响应面，在此基础上调整高低保真模型设计变量间的映射关系，优化收敛更迅速。由于避免了反复的试验设计和模型分析，改进方法的计算效率远高于原方法。数值算例表明了该方法的稳定性，此方法可以大大减少应用序列响应面进行优化或可靠性评价的计算量。