基于填充函数方法的OD矩阵估计

对现有关于求解OD矩阵估计的最小二乘模型所采用的逐次迭代算法的不足进行了分析,并引进了一种全局最优化算法即填充函数方法来找寻该模型的全局最优解。数值试验表明:所提出的填充函数算法有能力找到问题的全局最优解,且与初始值的选取无关,也有潜力解决较复杂网络的OD矩阵估计。通过数值结果发现,模型的权值选取对数值结果有明显影响。为此,引进了一种确定权值的评价指标RMSE,它能反映估计量与真实值之间的接近程度。利用该指标,可以选取较合适的权值。
     

带约束的离散全局优化问题的填充函数法

通过构造一个新的双参数填充函数求解带约束的离散全局优化问题的全局最优解,研究了填充函数的分析性质,并据此给出了带约束的离散全局优化问题的一个填充函数算法.数值试验证结果表明该算法是可行的、有效的.     

一个新的填充函数算法

给出了一个求解一般无约束优化问题全局最优解的填充函数,分析了此填充函数的性质,并给出了可行的填充函数算法。此方法的数值试验表明所给的算法是有效可行的。     

一种基于跳出局部最优机制的自适应响应面方法

【目的】针对昂贵黑箱函数优化问题提出一种能够更好平衡局部搜索和全局搜索的响应面方法。【方法】对径向基函数响应面约束优化算法进行了改进，首先增加了判断陷入局部最优的机制，然后引入填充函数方法辅助选择新采样点，进而利用新采样点跳出局部最优。【结果】在37个公开的全局优化算法测试问题上的数值实验表明，本文提出的基于填充函数跳出局部最优机制的自适应响应面算法能够收敛到更好的近似全局最优解。【结论】基于填充函数方法的局部最优解跳出机制能够提升算法的全局搜索能力。     

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.     

寻求全局最优解的一个新的填充函数

该文通过构造一个新的填充函数来寻求一般无约束问题的全局最优解，且提出了所给填充函数的几个分析性质，并设计了一个填充函数算法．数值试验表明，该文的方法是有效的．     

求解全局优化问题的填充函数法

全局优化问题在许多工程和实际生产中有着广泛的应用,对其方法的研究是当前优化理论方面的一个热点。本文主要研究涉及多峰函数的无约束全局优化问题的方法,以期对解决实际问题提供算法帮助。通过构造一个新的不含指数项的填充函数求解无约束优化问题的全局最优解,首先给出了该填充函数的定义,其次分析了这种填充函数的一些解析性质,设计了一种涉及这种填充函数的算法,最后给出了数值测试例子;与存在的算法的数值试验比较表明,该文提出的算法是有效的。     

一个求解有约束的全局优化问题的变换函数法

给出了求解一般的有约束非线性规划问题全局最优解的拟填充变换函数方法，而且讨论了所构造的变换函数的几个性质，按照其理论性质设计了一个变换函数算法，并进行了数值试验。数值实验表明，所给的方法是有效的。     

矩阵恢复的协方差矩阵估计算法

研究受高斯噪声干扰的低秩矩阵恢复。根据高斯噪声的统计性质,引入了协方差矩阵估计模型,构造出针对高斯噪声模型的低秩矩阵恢复算法。该算法基于最小化协方差矩阵核范数求解低秩矩阵,利用奇异值分解理论推导出模型的最优解。该模型结合高斯混合模型能够达到非常好的估计效果。仿真实验表明,该模型具有更快的收敛速度和更好的估计结果。     

基于基矩阵和基矩阵集合的分离网络优化模型

分离网络综合问题因其巨大的搜索空间导致优化计算的高复杂性。为提高分离网络综合问题的求解效率,该文提出了基矩阵和基矩阵集合的概念,建立了分离网络优化模型。列队竞争算法因其具有快速搜索到全局最优解或近似全局最优解的优点,而被用来求解该分离网络优化模型。用该文提出的方法对两个较大规模的分离网络综合问题进行了求解。计算结果证明:该方法能有效减少变量数,提高全局最优解的搜索效率。     

基于柔度的神经网络结构损伤诊断方法

针对刚度和柔度敏感参数的选取进行了论述,证明从一些低阶模态参数就可以获得柔度矩阵的精确估计值.利用柔度矩阵参数,并结合神经网络的计算模型,提出了基于柔度的神经网络结构损伤诊断方法.最后用仿真算例验证了该方法的有效性.     

支持向量机中核参数选择的Max-Min方法

通过核函数技巧,定义了高维空间中两样本点之间的距离.引入异类距离平方阵,提出了一种新的选择SVM核参数准则,并给出算法,即max-min方法.该方法利用不同类的训练样本之间的距离,而不通过SVM标准样本训练寻求最优的(或有效的)核参数,避免了传统SVM在模型选择上经验性强和计算量大的不足.同时又分别以径向基核函数(RBF)和多项式函数为例进行试验,显示采用该方法的算法步骤.结合试验结果,得出关于核参数的选择问题一般在一个开集内只有有效值,不存在最优值,即是一个多目标优化问题的结论.并引用已有的实验结果充分支持我们的结论.max-min方法不仅在理论上提供了一种选择最优核参数的方法,而且对试验性选择具有指导作用.     

一个基于统计方法的OD矩阵求解算法

在传统的OD矩阵估计模型的基础上,并在路段分配概率是随机变量这一假设的前提下,给出了一个统一的OD矩阵模型基本形式,针对该OD矩阵估计模型给出了一个基本求解算法———混合遗传算法。该算法是在传统的数学规划方法和遗传算法的基础之上给出的。同时通过算例的求解,分析了算法的优缺点。     

使用浮动车检测OD矩阵的算法及可靠性分析

回顾了国内外估算实时OD矩阵现状,提出了用浮动车检测实时OD矩阵的方法.采用最小二乘法给出了现有估算模型的证明过程,指出其存在的问题是估算模型假设浮动车与全部运营车辆比例为恒定的.为此,作者给出了浮动车与运营车辆比例随OD对变化的估算模型,并建立了求解该问题的算法,同时建立了求解估算OD矩阵可靠性的方法,最后,介绍了算法在北京的应用实例.     

用于全局优化的一类填充函数构造方法

填充函数法是1种求多变量,多极值函数全局最优的有效方法.不同的填充函数对问题的优化效果是不同的,而具体填充函数的构造需要一定的理论来指导.本文提出了1类单参数填充函数的构造方法, 并对它做了理论上的分析.据此构造方法,可以构造出许多有效的填充函数.文中具体构造了1个填充函数,数值结果表明其运算效果是好的.     

智能交通中动态OD矩阵估计研究概况

介绍了智能交通中动态OD矩阵估计的研究概况,将动态OD矩阵估计方法进行了分类,并分别进行了综述。同时指出了各自的缺点与不足,指明了以后的发展方向,以期后续工作在此基础上得到突破性进展。     

Sparse assortment personalization in high dimensions

The data-driven conditional multinomial logit choice model with customer features performs well in the assortment personalization problem when the low-rank structure of the parameter matrix is considered. However, despite recent theoretical and algorithmic advances, parameter estimation in the choice model still poses a challenging task, especially when there are more predictors than observations. For this reason, we suggest a penalized likelihood approach based on a feature matrix to recover the sparse structure from populations and products toward the assortment. Our proposed method considers simultaneously low-rank and sparsity structures, which can further reduce model complexity and improve its estimation and prediction accuracy. A new algorithm, sparse factorial gradient descent (SFGD), was proposed to estimate the parameter matrix, which has high interpretability and efficient computing performance. As a first-order method, the SFGD works well in high-dimensional scenarios because of the absence of the Hessian matrix. Simulation studies show that the SFGD algorithm outperforms state-of-the-art methods in terms of estimation, sparsity recovery, and average regret. We also demonstrate the effectiveness of our proposed method using advertising behavior data analysis.     

融合长短期记忆网络和图卷积网络的轨道交通短时客流起讫点预测

轨道交通客流起讫点(origin-destination,OD)矩阵存在时间相关性和空间相关性。根据客流OD的时空特征,提出长短期记忆(long short-term memory,LSTM)网络和图卷积网络(graph convolutional networks,GCN)的短时组合预测方法。预测方法主要利用LSTM网络来获取客流的时间相关性,利用GCN来获取客流的空间相关性,基于出站口建立客流OD矩阵,对整个路网的客流OD进行训练预测。实验表明:融合LSTM神经网络和GCN神经网络的短时预测模型能有效预测轨道交通客流OD。相较于单独的LSTM神经网络,组合模型在预测误差方面有所改善,更适用于短时客流OD的预测。     

用于全局优化的一种有效的单参填充函数

填充函数法是一种求解多变量、多极值函数全局最优的有效方法，但该方法的优化效果与构造的填充函数关系密切．构造了一种形式简单的单参数填充函数，并对其进行理论分析和仿真实验．对6个基准函数的数值实验表明，构造的填充函数对参数依赖性小，全局收敛速度快．     

分布参数系统参数辨识的最佳测量位置

许多有关集中参数系统参数辨识的方法经改造后可推广到分布参数系统中,但其涉及的问题复杂,其中传感器的测量位置则是分布参数系统参数辨识过程的特有问题,它对分布参数系统的参数辨识精度有着很大的影响.从受噪声干扰的不同位置传感器检测值出发,构造了分布参数系统的信息矩阵,提出了一种基于信息矩阵行列式的优化算法,并采用D-最优试验设计准则优化传感器的位置配置,得到了分布参数系统检测传感器的最佳测量位置,同时保证了系统的参数辨识精度.仿真结果表明,该方法对于分布参数系统的输出和状态检测传感器位置的选择具有参考价值.