求解鞍点问题的一种修正对称SOR-like算法

在SOR-like迭代算法的基础上,通过选取预处理矩阵和待定参数来加速该迭代算法,构造了一种求解鞍点问题的修正对称SOR-like迭代算法,简记为MSSOR-like算法,并研究了新算法的收敛性.数值实验表明新算法是可行且有效的.     

一种求解不等式约束下函数优化问题的新算法

提出了一种求解不等式约束下的函数优化问题的新算法。算法设计思想来源于演化计算的群体搜索技术,但又不同于现存的任何一种演化算法。对一些典型的约束优化问题测试结果表明：新算法结构的简单性,搜索的高效性,收敛的全局性,应用的广泛性,算法的鲁棒性及结果的精确性,都优于现存的演化算法。     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

一种解决旅行商问题的新型DDPSO算法

在分析粒子群优化算法缺陷的基础上,借鉴Dijkstra算法寻找最短路径的优势,提出了一种DDPSO算法;阐述了新算法的思想,介绍了算法流程和测试环境;利用TSP标准数据库进行了DDPSO和DPSO对比实验,验证了新算法的良好效果。     

一种面向变量传播的弧一致性算法

在AC-3算法的基础上,提出了采用面向变量的约束传播机制新的弧一致性算法(Improved-AC3),算法(Improved-AC3)完全脱离附加的数据结构,使得程序的空间复杂度非常小,也避免了新算法在维护数据结构上的开销,是一种空间复杂度优先的通用弧一致性算法.新算法对于通用弧一致性算法的改进效果是明显的,是对现有弧一致性算法的提高和完善,使其实用性更好,应用前景更宽.     

基于变量传播的弧一致性算法

在AC-3算法的基础上,提出了采用面向变量的约束传播机制新的弧一致性算法（IAC3）,算法（IAC3）引入了一个小型的附加数据结构,使得新算法的时间复杂度降低了一个幂次为O（ed2）.以小的空间代价换取了显著时间效率.新算法对于通用弧一致性算法的改进效果是明显的,是对现有弧一致性算法的提高和完善,使其实用性更好,应用前景更宽.     

基于组合测量的一种新的最小二乘算法

利用线性互补问题,建立了一种基于组合测量的新的最小二乘算法,并在适当的条件下证明了算法的收敛性和唯一性.最后,计算机仿真验证了算法的有效性.     

一种改进的混合牛顿算法

目的研究非凸函数的无约束最优化问题的算法。方法提出求解该问题的一种混合牛顿算法。结果新算法能有效弥补牛顿算法要求目标函数"凸"的局限性,从而推广了牛顿算法的适用范围,在一定条件下新算法仍具有全局收敛性和二次收敛性。结论新的算法是有效可行的。     

具有同时送货和取货需求的车辆路径问题的蚁群禁忌混合优化算法

在分析具有同时送货和取货需求的车辆路径问题(VRPSDP)的基础上,建立VRPSDP数学模型,提出一种新的求解VRPSDP问题的蚁群禁忌混合优化算法(ACO-TS),并通过实验验证该算法的有效性和可行性.新算法首先采用蚁群算法产生阶段最优解,然后利用禁忌搜索算法对阶段最优解进一步优化.实验表明,新算法能够高效解决VRPSDP问题,并且具有较好的优化效果.     

融合粒子群优化的蚁群算法对TSP问题的应用研究

提出了一种融合粒子群优化的蚁群算法来求解旅行商问题（TSP）。使用粒子群算法对蚁群算法的参数（β,ρ,q0）进行优化来得到这三个参数的最佳组合值,并且运用蚁群系统算法（ACS）寻找最短路径。新算法克服了参数选择对算法性能的影响,具有很强的全局搜索能力。对旅行商问题的仿真实验结果表明：与传统蚁群算法相比,新算法体现了较高的性能,取得了不错的效果。     

基于共轭梯度迭代算法受控AR模型的参数辨识

推导了单输入单输出系统的辅助模型,它有助于减少计算量和提高共轭梯度迭代算法（新算法）的收敛速度.相比于受控移动平均模型中所提出的交互式随机梯度算法,新算法用更少的迭代步骤就可求出模型的参数估计.另外,新算法能避免出现矩阵的逆矩阵形式.对新算法与双共轭梯度算法进行比较,并给出数值实例检验新算法的有效性.     

一种新的混沌识别方法(Ⅱ)

针对G－P算法及其改进算法的不足，提出了一种新的改进算法．应用该算法不仅能简化无标度区的确定过程，而且能客观地判断系统的关联维数是否饱和，从而对随机信号和混沌信号加以识别．对新的G－P改进算法进一步分析表明：新的G－P改进算法适用范围广泛，对于混沌信号的识别很有效．     

一种新的混沌识别方法（II）

针对Ｇ－Ｐ算法及其改进算法的不足，提出了一种新的改进算法，应用该算法不仅能简化无标度区的确定过程，而且能客观地判断系统的关联维数是否饱和，从而对随机信号和混沌信号加以识别，对新的Ｇ－Ｐ改进算法进一步分析表明，新的Ｇ－Ｐ改进算法适用范围广泛，对于混沌信号的识别很有效。     

基于关联规则的电力仪表企业故障诊断

在数据挖掘和关联规则技术的基础上,提出采用经典Apriori算法对电力仪表企业产品数据信息进行挖掘,获取产品故障规则信息,并抽取出不同支持度下的故障规则,实例证明采用该方法产生的规则有利于企业技术部门和决策者进行决策,能更好地为他们提供参考信息。     

基于划分采样的初始聚类中心算法

针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点数的多少进行采样来提高采样的准确性。利用采样思想缩小了数据集的规模,保证了算法在时间上的优势。通过不同规模、不同形状的数据集对算法进行验证,实验结果表明,与其它初始聚类中心算法相比,该算法在准确率和时间上都具有一定的优势。     

降低 OFDM 系统峰均功率比的改进算法

为降低正交频分复用(OFDM: Orthogonal Frequency Division Multiplexing)信号的峰均功率比(PAPＲ: Peak Average Power Ｒatio)过高对系统产生的危害,提出将最小二乘估计方法(LS: Least Square Estimation)融合到凸 集映射的星座图扩展技术中(ACE-POCS: Active Constellation Extension-Projected Onto Convex Sets),得到了一种 新算法(LS-ACE-POCS: Least Square Estimation of Active Constellation Extension-Projected Onto Convex Sets)。该算 法采用最小二乘估计算出一个最优因子,并将最优因子与消峰信号相乘,产生新的消峰信号,从而经过 1 次迭 代便可与传统 ACE-POCS 算法 10 次迭代相媲美。由 Matlab 仿真结果可知,在相同的仿真环境下,该算法经过 一次迭代比传统算法第 10 次迭代的 PAPＲ 低 0． 223 dB,并且其误码率性能稍微优异于传统算法,同时大大降 低了系统的复杂度。     

框式凸二次规划原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对框式凸二次规划提出了一种新的内点算法-原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长,并证明了新算法具有O(nL)的迭代复杂性.     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。     

一种求解单调非线性方程组的凸组合算法

将求解单调非线性方程组的CGD算法和MPRP算法的下降方向进行凸组合,构造出新的下降方向,从而提出新的算法,并给出新算法的全局收敛性定理.通过数值实验比较新算法与CGD算法和MPRP算法的结果,可知新算法优于原算法.