基于变步长随机行走算法的IC电源网络动态分析

针对传统随机行走算法加速策略在处理大规模电源网络时存在局限性的问题, 提出一种基于变步长的随机行走加速算法. 首先, 基于不同节点数目和阈值大小的实验对比, 分析传统随机行走加速算法和变步长随机行走加速算法的时间效率, 并证明变步长随机行走加速算法使电源网络分析效率得到极大提高. 其次, 证明随机行走算法具有空间局部性特征, 能进一步使运行空间得到释放. 通过对不同规模电源网络进行实验验证表明, 该方法能使算法运行空间得到优化.     

基于A*改进算法的机械臂避障路径规划

为解决机械臂在运行时可能与工作空间中的障碍物发生碰撞,提出圆柱体包络碰撞检测法和基于A*算法的变步长分段搜索法.运用圆柱体包络碰撞检测法,将碰撞检测问题转化为计算圆柱体间的位置关系.变步长分段搜索法解决了应用传统A*算法可能出现的搜索数据量大甚至搜索死循环等问题.分别在基于OpenGL的三维仿真实验平台和实际系统中验证了该方法的有效性和可行性.     

超宽带矢量测距与惯性传感组合的精准步长计算算法

为适应复杂环境下变步长精准测量要求,提出一种基于超宽带（ultra wide band,UWB）矢量测距和惯性传感组合的精准步长计算算法;针对基于惯性传感组合的步长测算精度受佩戴方式和系统运行时间影响以致无法实现行人步长精准测量和长航时精度保持的问题,提出一种结合足间模型与零速检测联合步长算法。根据行人行走时足部轨迹模型构造足间步长模型,得到准确的步长计算公式;根据足部惯性传感器运动特征进行零速检测并触发UWB测距,结合陀螺解算角度和足间模型公式计算得到步长。实验表明,提出的步长估计算法精度可达98.20%,与传统步长算法相比,误差显著降低。     

基于矩阵运算加速的改进社区发现遗传算法

社区发现算法是复杂网络领域的重要研究工具,然而传统的社区发现遗传算法在大规模网络下存在初始种群质量不佳和运行效率低下的问题。为此,本文提出一种基于矩阵运算加速的改进社区发现遗传算法。针对初始种群质量不佳的问题,提出一种新的初始化算子,采用闭包系数有偏向地选择节点构建高质量初始社区;针对计算效率低下的问题,基于矩阵运算重构了传统社区发现遗传算法各个算子,使得算法能使用GPU加速,提升计算效率。仿真实验结果表明,在不同规模的真实网络和LFR合成网络下,本文算法既能保证良好的划分精度,又展现出较其他主流同类算法更高的计算效率。     

基于优化BP神经网络算法的网络质量评价

针对现有的BP神经网络算法,提出了在变步长BP神经网络算法基础上的优化方案,并将其应用于网络质量评价当中.在优化方案中,对步长的上升和下降阶段分别采用不同策略进行优化.理论分析表明:优化后的算法能够克服传统算法权值收敛过慢,和变步长算法误差收敛中的震荡问题.仿真表明,优化后的算法会使神经网络的学习误差和网络质量分类的总体误差明显下降并大幅提高评价的准确性.优化算法较传统算法相比误差收敛过程更加稳定,且学习误差下降达9.64％,网络质量分类的总体误差下降达23.1％；优化算法的验证准确率在传统算法的基础上提高了19.65％,在变步长算法的基础上提高了9.88％.由此可见,优化算法在BP神经网络的预测精度方面起到了大幅度提高的作用.     

一类半正定变分不等式的随机下降算法

校正投影收缩算法的下降量证明中多次使用了放大不等式,因此本文利用满足固定均值的随机数适当扩张步长,得到了一类半正定变分不等式问题的随机下降算法.在适当的假设条件下,利用马尔可夫不等式和依概率收敛的性质,给出了随机下降算法的依概率收敛性证明.通过一系列的数值试验验证了随机下降算法的有效性,并且表明了合理选择随机数的均值和方差可以提高随机下降算法的计算效率.     

基于Mapreduce的Apriori改进算法

由于传统的Apriori算法是串行的并且效率较低,分析了Apriori算法的计算过程,针对其原理设计了一种基于Mapreduce的并行Apriori改进算法.实验结果证明,改进的算法能较好地提高关联规则挖掘的效率,具有接近线性的加速比和良好的应用价值.     

基于模糊控制器的变步长盲均衡算法

分析研究变步长恒模盲均衡算法基本原理和基于模糊控制器变步长盲均衡算法基本原理后,提出了一种新的基于模糊控制器的变步长盲均衡算法.该算法利用模糊控制器控制盲均衡算法的迭代步长,得到了更好的均衡性能.     

一种快速正交频分复用频率跟踪算法

提出了一种快速的正交频分复用(OFDM)系统载波频率跟踪算法，该方法采用基于变步长的自适应滤波算法。经过频率粗同步后，以变步长的最小均方算法(VLMS)进行频率补偿。在算法的初始使用大的步长值加快算法的收敛速度，然后使用小的步长使残留的频率偏移最小。由于不需要训练序列，故该算法是盲的，没有频带效率损失。仿真结果表明，所提出方案能显著提高误码率性能，高精度的频率偏移估计几乎可以使频率偏移得到完全补偿，且算法的收敛速度比固定步长的算法快得多。     

求解非线性约束优化问题改进的粒子群算法

采用粒子群算法处理约束优化问题时,由于约束条件使得解空间成为非凸集合,粒子容易陷入局部最优,因此在搜索过程的不同阶段,提出变步长因子的粒子群算法,实验证明改进的算法是可行的,且在精度与稳定性上明显优于采用罚函数的粒子群算法和遗传算法等其它一些算法.     

热分解过程的神经网络预测方法的研究

提出了用前馈神经网络求解热分解过程的新方法．针对传统的ＢＰ算法的缺陷,把无约束优化中的变尺度应用于网络的训练学习,改进了学习算法,提出了一种基于动态步长的新的变尺度算法．通过它对热分解过程的预测分析,其结果非常逼近实验结果并优于传统的理论计算结果;同时,新的变尺度算法提高了网络算法的收敛性．     

动态电源管理随机模型算法的设计与实现

基于随机控制的策略优化算法能有效地解决动态电源管理(DPM)中电源状态切换的能耗问题,从而获得更优的策略.文中通过为系统建立基于马尔可夫决策过程的随机模型,在DPM框架中实现了DPM随机模型算法,并对算法进行了实验.结果表明,在不同的性能损耗条件下,可以得到不同的、满足性能要求的优化策略,也就是说,算法在性能和能量损耗间取得了平衡,这也证明了文中介绍的算法实现过程的可行性.     

一种改进的最小代价网络编码算法

分析了网络编码内在特性,指出网络编码区别于传统多播并提升多播传输性能的根本原因在于网络中存在被不同传输路径所重用的关键链路.通过在构建网络编码多播的传输路径时形成较少的关键链路,提出了一种基于关键链路的最小代价网络编码算法.该算法是在最大流算法的基础上加以改进的,并结合了网络增广链和最小截集的性质,是一种有效的最小代价网络编码算法.基于随机网络的仿真实验证明,在实现多播理论容量的前提下,该算法能有效降低网络编码的代价.     

基于改进EASI算法的多跳频信号盲源分离

为了有效地解决多跳频信号的盲源分离问题,提出了一种变步长的EASI(Equivariant Adaptive Separation via Independence)盲源分离算法。该算法在传统EASI算法的等变化性基础上,用性能指标(串音误差)作为准则,通过改变函数的取值范围及形状,自适应更新步长,使其在一个固定小的范围内,达到算法收敛速度和稳定性能的一个较理想的平衡点,改善了当步长固定时存在的缺陷。经过实验仿真,证明该算法对步长有很好的调整能力,性能稳定且收敛速度较快,能很好地将多个跳频信号进行分离,较传统的EASI算法有更高的适用性。     

基于改进蚁群算法的Web服务选择

提出一种改进的蚁群算法并将其应用于Web服务选择问题中.该算法使用非线性动态变化的伪随机比例选择参数及蚂蚁多重最优解随机加权路由选择算法控制蚁群的行为,使用5维Web服务质量向量和蚁群适应度函数评价蚂蚁构造的路径质量,蚂蚁根据其构造的路径质量进行信息素更新;该算法使蚁群在其解空间的进化能力得到很大的提高.实验证明,该算法在Web服务选择问题上比传统的蚁群算法效率更高.     

基于均方误差的变步长恒模盲均衡算法仿真

阐述了用于信道盲均衡中恒模算法的数学模型和基本原理,在此基础上进一步研究其改进的变步长算法.采用的改进算法是以剩余均方误差作为调整步长的参量,解决了传统恒模算法中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾.在分析不同步长对算法收敛性能的影响的时候,使用了集平均的处理方式,使得均方误差学习曲线变得较为平滑,易于比较.理论分析和计算机仿真实验均表明该算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差.     

使用最佳差商的变尺度法

本文根据差商的截断误差和舍入误差的关系,建立了能使差商的综合误差最小的差商步长的计算公式;将这种确定步长的方法用于无约束变尺度法、罚函数调用变尺度法和约束变尺度法,相应得到三种使用最佳差商的优化算法。经过数学考题和机械设计课题的验证,说明新的算法在计算效率和稳定性等方面都比一般算法有明显的优点。     

双足机器人节能步态规划算法

为提高双足机器人的步行性能,提出基于五质心倒立摆模型的节能步态规划算法。算法包括步态参数优化算法和步态合成算法。步态参数优化算法允许身体做三维运动,以有限阶傅里叶级数的系数表征特定步长下机器人身体的运动空间。通过离散化这些系数,使运动空间网格化。进而对网格交点进行逆动力学计算,划分出满足允许零力矩点区域要求的种子集合。算法以电机的负荷转矩和角速度的乘积为能耗指标函数,在每个种子的邻域迭代计算。按照最大梯度原则逐次逼近函数极小值,此时的电机角度序列作为对应步长下的解,存入数据库。步态合成算法按照步行距离,规划由起始步、中间步和停止步构成的完整行走轨迹。按照行走步长,从数据库读取腿关节电机的角度序列,并依据双足机器人行走中反馈的零力矩点,对序列进行修改。为验证算法有效性,进行了动态仿真实验和现实环境中双足步行实验。实验结果与固定身体高度或允许身体垂直运动的算法对比,证明步态算法具有明显的节能效果。该算法实现低能耗和高鲁棒性的折中,较好地解决具有高度非线性特征的双足机器人行走问题,为煤矿救援机器人的开发开辟一种新途径。     

基于最小错误概率变步长的盲均衡算法

在分析了基于最小错误概率盲均衡算法的基础上,用牛顿梯度变步长算法实现了基于最小错误概率新的变步长盲均衡,克服了固定步长收敛速度和收敛精度之间的矛盾,加快了收敛速度,减小了稳态剩余误差。计算机仿真结果分别给出了4PAM,8PAM信号在典型电话信道和普通最小相位信道中牛顿梯度变步长算法与固定步长算法的收敛曲线。由两种算法收敛曲线的比较可以看出,新算法的收敛性能明显得到改善。     

基于最小错误概率变步长的盲均衡算法

在分析了基于最小错误概率盲均衡算法的基础上,用牛顿梯度变步长算法实现了基于最小错误概率新的变步长盲均衡,克服了固定步长收敛速度和收敛精度之间的矛盾,加快了收敛速度,减小了稳态剩余误差。计算机仿真结果分别给出了4PAM,8PAM信号在典型电话信道和普通最小相位信道中牛顿梯度变步长算法与固定步长算法的收敛曲线。由两种算法收敛曲线的比较可以看出,新算法的收敛性能明显得到改善。