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.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题,提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM.该算法利用分布式K-Means聚类算法对每个数值型属性进行聚类,求得聚类中心,由此构造全局模糊集,定义全局隶属度函数.DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘,采用全局-局部站点模式,其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF.实验结果表明,该算法能准确地生成全局模糊频繁项目集,在求解全局模糊频繁项目集过程中,传送局部模糊候选项目集支持数的通信量为O(n),提高了算法的挖掘效率.     

非凸函数的一类改进BFGS算法的全局收敛性

文[1]提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了算法具有全局收敛性.针对该算法,在目标函数为非凸函数时,提出一个假设条件,证明具有wolf线搜索的该算法亦具有全局收敛性.     

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.     

一个新的全局最优化问题的填充函数

提出了应用于非光滑无约束全局最优化问题的填充函数法.对填充函数进行了扩充和改进,提出了新的适应于非光滑情况下最优化问题求解的填充函数,并构造算法.数值分析表明,所提出的算法是可行的、有效的.     

求解无约束全局优化的T-F函数算法

提出一个求解连续全局优化的T-F函数,先给出了T-F函数的定义,然后根据提出的T-F函数的性质,设计了一个新的T-F函数算法,并进行数值实验,数值实验的结果表明该算法是有效和可行的.     

非线性互补问题的熵函数法

提出了求解非线性互补问题的熵函数法 .证明了熵函数逼近问题解的存在性和唯一性及算法的全局收敛性 .数值算例表明了算法的有效性     

一类特殊DC规划的最优性条件和最优化方法

研究一类特殊DC规划(即目标函数为DC函数,约束为线性约束和箱子约束),给出这类DC规划的一个全局必要性条件,并且根据这个全局必要性条件,结合DCA算法设计了新的局部优化算法,即强局部算法.再利用辅助函数,即填充函数法,给出了一个全局优化方法.最后,通过求解数值算例以及对数值结果的分析,说明新的局部优化算法和全局优化方法的有效性.     

用变换函数解带线性约束的全局最优问题

结合变换函数方法和下降算法对目标函数有多个极值点且带有线性约束的非线性规划全局问题提出算法.使用的变换函数兼具填充函数和打洞函数的特点.在理论上证明如果当前局部极小点不是全局最优解,一定存在一个变换函数的极小点使得该点的目标函数值小于当前局部极小点的函数值,且该点位于原问题的可行域内.以此点为初始点求解原问题可得到更好的局部极小点.     

用Powell方法求解不可微函数

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法.混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率.由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法.     

基于SGP4模型的卫星多普勒频移补偿方法研究

针对卫星与地面站进行通信时,地面站接收到的信号存在明显的多普勒频移现象,提出了一种基于SGP4模型的卫星多普勒频移补偿算法。首先,根据开普勒定律推导出多普勒频移公式;然后由卫星星历信息,基于SGP4模型预测出卫星的轨道,计算出卫星和地面站之间的相对位置和相对速度,得出多普勒频偏,在地面站分别进行预校正与补偿;最后,使用STK/HPOP生成标称轨道对SGP4模型生成的预测轨道进行误差分析和性能评估。仿真结果表明,对于工作在Ka频段、轨道高度200~1 000 km的低轨卫星,多普勒频偏估计精度优于50 Hz,精度高;随着轨道高度的增加,多普勒频偏估计更加精确。     

SGP4模型用于空间目标碰撞预警的准确性与有效性分析

针对SGP4模型用于空间目标碰撞预警中的轨道推演阶段问题,编制了空间目标碰撞预警分析程序,并对其准确性与有效性进行分析. 对目前已确切掌握的3次空间目标碰撞事件进行分析,取碰撞历元时刻前10、7、5、3和1 d的两行根数,采用SGP4模型计算目标的位置和速度矢量,运用碰撞理论计算两目标的碰撞概率,按照通行的碰撞概率判别标准,分析SGP4模型用于碰撞预警的准确性与有效性. 结果表明,利用SGP4模型进行筛选计算得到的碰撞时间与实际碰撞时间相符,且碰撞概率达到预警门限,证明了空间目标碰撞预警分析软件的正确性,但其准确性与有效性随着预警时间的增加而下降,在预警天数小于5 d时效果最好.      

线性乘性规划的因式输出空间分支定界算法

提出了一种新的线性乘性规划问题（LMP）的因式输出空间分支定界算法,首先利用目标函数中每个乘积项的一个因式作为变量构成输出空间,并对其进行超矩形的对分,同时在每次迭代时用松弛线性规划确定原问题（LMP）的下界,并证明了算法的收敛性,数值实验表明提出的方法是可行的.     

利用光滑型算法求解线性规划问题

针对线性规划问题,给出了其原问题和对偶问题的最优性条件,并通过引入一个正则化的对称扰动的光滑函数,将其扩展成一个混合线性互补问题,并利用光滑型算法求解．该算法具有全局收敛的特性．对于有最优解的问题,算法能求得问题的一个严格互补解;对于不可行的问题,算法也能表明问题的不可行性．     

求符号线性比式和问题全局解的线性化技术

对符号线性比式和问题（P）提出一确定性全局优化算法。利用新的线性化技术建立了问题（P）的松弛线性规划（RLP）,通过对问题（P）目标函数可行域线性松弛的逐次细分以及一系列（RLP）的求解过程,提出的分枝定界算法收敛问题（P）全局最优解．最终数值实验表明了提出方法的可行性．     

线性比式和分式规划问题的分支定界算法

针对线性比式和问题(P)提出一种新的分支定界算法,并进行数值验证.该算法把问题转换成等价问题,并利用线性松弛技术建立问题的松弛线性规划,从而将原始的非凸规划问题归结为一系列线性规划问题,通过可行域的连续细分以及求解一系列线性松弛规划,得出的算法收敛到问题(P)的全局最优解.数值算例结果表明算法是可行有效的.     

非凸二次规划的分支定界方法

通过构造二次函数的线性下界函数给出非凸二次约束二次规划问题(QP)的松弛线性规划,提出分支定界算法,数值计算表明算法是有效可行的.     

生成元为一般图形的线段障碍Voronoi图离散构造法

讨论了计算几何中一类线段障碍Voronoi图的构造问题．提出了一种基于边界离散化的作图法,即先在各生成元边界上选取母点,再利用文献中的算法,进而得到生成元为任意平面几何图形的线段障碍voronoi图．结果表明该算法是有效的．这一算法改进并推广了文献提出的算法．     

一类广义多乘积和规划问题的全局优化算法

提出了一类广义多乘积规划问题 （ P ）的一种确定性算法,并用其求解该类多乘积规划问题的全局最优解. 首先,利用等价变换以及线性松弛级数,建立等价问题 （ Q ）的松弛线性规划 （ RLP ）,并给出了分支缩减方法;然后,运用分支定界方法,给出确定性全局优化算法求解等价问题 （ Q ）,算法的收敛性证明以及数值算例的结果说明了该算法是可行的.     

一类优化问题的线性松弛方法

对一类优化问题（P）给出了一线性松弛方法。利用对数的性质建立了问题（P）的等价问题（P1）,利用切平面和凹包逼近,建立了问题（P1）的松弛线性规划（LRP）。通过对可行域线性松弛的逐次细分以及求解一系列的线性规划（LRP）,提出的算法收敛到问题（P1）的全局最优解。数值实验结果表明了提出方法的可行性。