一种基于填充函数的神经网络全局优化算法

针对前向神经网络BP算法由于初始权值选择不当而陷入局部极小点这一缺陷,提出新的全局优化训练算法.首先,提出了一种新的填充函数,并证明该函数的填充性质,进而结合该新填充函数与BP算法,构造出基于填充函数的全局最优化神经网络算法.应用全局优化算法训练神经网络时,如果误差函数陷入局部极小值,该算法可以利用填充函数帮助误差函数不断地跳出局部最优,直到找到全局最优点.该新算法的最大优点是对于初始权值无依赖性,避免了BP算法易陷入局部极小值的缺点.理论分析和仿真试验结果证明了该全局优化神经网络算法的有效性和优越性.     

一种新的近似目标函数优化方法

本文提出了一种新的优化方法,适用于变量较少、具有p次方形式、无法求导的复杂的目标函数.给出了由误差函数求出近似误差函数和近似目标函数,并以求近似目标函数的最优值来替代求目标函数最优值的详细算法.列出了本算法对于10种试验函数的计算实例.计算结果与其他方法的比较证明了本算法的有效性.最后讨论了本算法的某些局限性.     

仿生优化算法及其在函数优化问题中的应用

仿生优化算法是一类解决函数优化问题的更好方法.本文基于遗传算法、蚁群算法和人工鱼群算法的基本原理,探讨了各种算法在求解函数优化问题中的应用.两个典型函数极值问题的数值实验表明,这三种仿生优化算法在求解函数优化问题中具有良好的优化性能,其中鱼群算法性能最好.     

基于模糊原理与频率分组的G函数算法

针对CHESS系统核心技术差分调频算法中G函数存在的缺点,提出一种新的G函数算法,其中频率转移函数采用了模糊算法、选择算法和复杂的分组算法.分组算法中的频率组作为调频状态量,组内再确定频率点.模糊算法和选择算法保证了转移函数的复杂度,改善了跳频序列的随机性和均匀性,增强了系统的隐蔽性和抗跟踪性.     

基于错误函数的四面体网格优化方法

通过对现有网格优化算法及网格质量函数的研究,选用常见的四面体网格质量函数,同时考虑边质量约束,推导出了错误函数,基于这个错误函数对四面体网格进行优化.采用错误函数作为基于优化算法光顺的目标函数.并通过应用变尺度法(BFGS)求解错误函数最小值问题对四面体网格进行光顺.将改进的基于优化算法的光顺与拓扑优化算法中的点重叠技...     

一类拟可微函数在一点处可微性判别及在不可微优化中的应用

对于拟微分为有限点集凸包的拟可微函数 ,给出了判别其在任一点处是否可微的一种算法 .将此算法作为不可微优化的子算法 ,可得到不可微优化的一种可执行算法 .特别指出 ,所讨论的函数类包含光滑函数的极大值复合函数 .     

非线性函数空间平差方程的解法及其特征

给出了两种参数估计准则下的非线性目标函数，讨论了目标函数的常用算法——迭代法.在此基础上提出非线性函数空间目标函数的最优算法，即基于差分理论的迭代算法及多维轮环搜索法，这些算法均不依赖函数导数.图1，表3，参8.     

一种基于综合目标函数的神经网络学习算法

为提高多层前向神经网络的学习速度和算法的稳定性,提出一种基于综合目标函数的改进学习算法.该算法在误差平方和目标函数中引入一个辅助约束项构成综合目标函数,并利用综合目标函数训练网络的输出层权值,采用牛顿法推导出训练输出层权值的递推公式.辅助约束项隐含有对网络输出平滑性的约束,提高了学习算法的稳定性.利用该算法对不同非线性函数生成的样本数据的学习结果表明,新算法的收敛速度、精度均优于Karayiannis等人的二阶学习算法.     

函数优化问题求解的自适应差分进化算法

针对函数优化问题求解算法存在速度慢、精度低等问题,提出一种函数优化问题求解的自适应差分进化算法.该算法对变异算子和交叉算子进行改进,增强了其寻优能力.对经典的函数优化问题进行仿真测试,结果表明,自适应差分进化算法全局搜索能力强,收敛速度快,可以获得更高精度的函数优化问题解.     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

全局最优化的填充修正打洞函数法

研究求解全局最优化问题的算法同.在分析了已有的填充函数法和打洞函数法之后,吸取了这两类算法的优点,给出了一种求取非线性最优化问题全局最优解的填充打洞函数算法.与通常的填充函数法相比,该算法降低了对其中参数的依赖,并且具有较好的求解可操作性.数值试验显示,计算效果是满意的.     

遥感图像分类的多核SVDD算法

将K型核函数和指数径向基核函数分别与径向基核函数组合成多核函数,并利用其构造出性能更加优越的支持向量域描述(SVDD)算法.将提取的遥感图像各波段光谱特征组成特征向量,分别用基于径向基核函数和多核函数的SVDD算法进行遥感图像分类.仿真实验结果表明:改进核函数的SVDD分类算法提高了分类精度,缩短了训练时间.     

一类光滑罚算法的全局收敛性

对约束优化问题给出了一类光滑罚函数,它是根据一类光滑逼近精确罚函数的光滑函数而提出来的,并基于这类罚函数给出了罚算法.在很弱的条件下,建立了光滑罚算法的一个摄动定理,由此定理得到该罚算法的全局收敛性.     

离散全局最优化中的一类T-F函数算法

针对求解非线性离散规划全局最优解问题提出一类T-F函数算法.首先,介绍有关离散全局最优解的各种概念,并定义了T-F函数;其次,提出一类T-F函数,并设计了相应的T-F函数算法,通过寻找该T-F函数的离散局部极小解,以期找到离散规划问题的比当前离散局部极小解更好的解.数值实验表明算法是有效的.     

二阶锥规划基于核函数凸组合的内点算法

首先给出了一个新的核函数,该函数为两个核函数的凸组合,进而将该核函数应用于求解二阶锥规划原始对偶内点算法中.分析了算法的复杂性并得到了一个关于大步校正方法的迭代界.最后给出了数值试验结果,讨论了参数对算法的影响.     

一种基于标准峭度的新型复数盲分离算法

在复值信号的盲分离算法中,经常采用信号的峭度最大化作为代价函数.以复数标准峭度代替复数峭度,将复数信号的标准峭度最大化作为新的代价函数,采用修正的复值拟牛顿迭代算法对代价函数进行优化,并运用该算法对混合QAM信号进行分离.仿真实验结果表明:改进后的算法具有很好的分离效果,相比于峭度最大化为代价函数的分离算法,收敛性能有明显提高.     

PET成像的加权最小二乘重建算法

针对正电子发射断层成像系统,提出一种基于加权最小二乘函数的迭代重建算法.与传统的梯度型算法不同,在迭代过程中,此算法利用当前迭代点构造辅助函数,使用辅助函数的最优解代替目标函数的最优解,获得新的迭代点.该算法自动满足非负约束,无需步长因子,保证目标函数单调递减,并且具有全局收敛性.使用模拟数据和真实医学诊断数据进行实验...     

伪单调变分不等式近似点算法的收敛性

将近似点算法推广到具有伪单调映射的变分不等式.经典的近似点算法的子问题利用范数平方作为辅助函数.将一个可微强凸的函数作为辅助函数,在有限维空间和Hilbert空间上讨论伪单调算子近似点算法的收敛性.     

一类无约束非线性整数规划的区间算法

讨论目标函数为Lipschitz连续函数的无约束整数规划的数值算法.通过构造目标函数的区间扩张和无解区域删除检验原则,建立了求解无约束非线性整数规划的区间算法,并进行了数值实验.理论证明和数值实验均表明算法是可靠和有效的.     

一种结合NCP函数的SQP滤子新算法

提出一种带非线性互补函数的信赖域序列二次规划滤子算法.通过引入滤子概念,避免了罚函数法中罚参数选择的困难.借助非线性互补函数简化了非线性规划问题的KKT条件,并用非线性互补函数代替滤子中的约束违反度函数,在一定的条件下证明了算法具有全局收敛性.数值试验结果表明算法是有效的.