一种新的谱共轭梯度法及其全局收敛性

共轭梯度法因具有迭代简单、收敛性和低内存等优点而在求解大型优化问题中发挥着重要作用。本文对文献[6]中的共轭参数RMILk进行改进，得到了一种新的谱共轭梯度法。该方法每步迭代产生的搜索方向具有下降性。在适当的条件下，该方法在Armijo 线搜索和 Wolfe 线搜索下均具有全局收敛性。数值试验表明，该方法可行有效。
     

基于区间套混沌搜索的混合优化方法

基于对Logistic映射混沌变量概率分布的研究,提出了一种区间套混沌搜索方法,避免了混沌搜索的盲目性.将区间套混沌搜索方法与共轭梯度法结合,提出了一种混合优化方法,利用区间套混沌搜索方法搜索到近似最优点,再用共轭梯度法求得最优点.数值计算结果表明,该方法可显著提高优化效率.     

基于广度搜索的增量式点云表面重建

将人工智能中广度优先的搜索算法引入散乱点云表面重建领域，借助增量计算思想，基于搜索算法状态不断扩展的特点，渐进均匀地扩展重建整个物体表面.算法以初始三角面片初始化搜索队列，以有向边为搜索元素，借助于八叉树空间划分和搜索约束条件，快速完成最优点评估及三角片重建，具有可视化并行计算、选择性填补空洞以及重建结果与参数弱耦合等特点.实验结果表明，本算法高效、稳定，可以重构任意拓扑结构的二维流形三角形网格.     

遗传搜索优化算法

简述了多峰优化的主要问题及遗传算法的基本概念及算法.在传统的优化方法基础上,引入遗传算法的思想,提出以优化搜索方向向量为研究对象,在连续空间进行优化的遗传搜索优化算法;给出了算法中关键参数的选取方法;最后,给出了该算法的计算实例,结果表明,用该算法能较稳定地找出全局最优点.     

启发式搜索的一种新技术─SA算法

在一定的假设下，可把启发式搜索看作一种随机取样的过程。从而把统计推断方法引进搜索。根据上述思想．把Ｗａｌｄ序贯概率比检验方法与Ａ（Ａ＊）搜索结合，得到一种新算法──ＳＡ算法。文中讨论了该算法的优点及细节。最后通过一个实例说明算法的原理。     

基于遗传搜索算法的码激励线性预测编码

如何快速有效地搜索出激励码书中的最佳激励矢量是码激励线性预测编码(CELP)得以实际应用的关键问题之一．作者结合遗传算法的优点，将遗传算法应用于CELP的码字搜索，利用遗传算法的优越性，较快地搜到码书中的最佳激励码字．阐明了将遗传算法应用于码字搜索的具体思路，并给出了软件仿真结果.     

可搜索加密的安全性研究进展

可搜索加密是一种在云计算和大数据环境下解决数据安全和隐私保护问题的关键技术，其允许用户在不解密的情况下，对加密数据进行安全搜索。然而，近年来针对可搜索加密的攻击研究层出不穷且破坏了安全搜索的功能。为了深入理解可搜索加密的安全性，对可搜索加密的安全性研究进展进行梳理和探讨。可搜索加密主要分为公钥可搜索加密和对称可搜索加密。首先介绍了公钥可搜索加密的概念，现有公钥可搜索加密方案面临着用户隐私、关键词猜测攻击和密文关键词等值测试等严峻的挑战，并给出具体的解决思路与方法。进一步阐述了对称可搜索加密的安全模型，对称可搜索加密方案的攻击方法和防御方法。最后，讨论了可搜索加密需进一步研究的问题和未来发展方向。     

用群智能改进禁忌搜索算法在多用户检测中的应用

在码分多址(CDMA)通信中，多用户检测是抑制多用户干扰的有效方法．结合群智能和禁忌搜索算法的优点，提出了一种新的群禁忌搜索(S-TS)多用户检测方法，通过粒子群的并行禁忌搜索，使算法具有很强的全局寻优能力．仿真实验证明，该方法具有较好的误比特性能、抗远近效应能力和多项式计算复杂度．     

用于连续语音识别的词汇搜索算法

给出一种用于连续语音识别的词汇树搜索算法．这种方法基于启发搜索,分为音节层—树搜索、词层—树搜索两个过程．为在提高识别速度的同时不牺牲识别率,上述两个过程采用的是“有限宽度树搜索”．在音节层—树搜索中,根据Ｎｂｅｓｔ算法确定允许扩展的有限个音节串．而在词层—树搜索中,根据已得到的允许扩展的音节串确定不同长度的“退回词路径”．这样,每一时刻的最大似然词串可由这些“退回词路径”来确定．这种算法的优点是在搜索不同长度的多音节词的同时,可以减少搜索计算开销和降低对存储空间的需求．     

应召搜索中搜索的轨线与策略

在数学实验环境Ｍａｐｌｅ下对应召搜索中搜索轨线的微分方程模型和关于搜索路线的对策问题进行了讨论，通过实验，显示了Ｍａｐｌｅ实验环境的友好界面，以引起学生对数学实验这门课程的兴趣和重视，以便于更积极地进行探讨。     

最优家族遗传算法

从种群规模和个体空间的角度分析了影响遗传算子性能的因素，在遗传算法(GA)的基础上设计了一种搜索区域可变、群体规模可变的最优家族遗传算法(OFGA)，该算法提出了在优良解附近构造最优家族，最优解搜索将在这个微型空间中进行，在有限的时间内搜索到更优基因的家族将获得生存的权利．由于每一个家族的搜索区域大幅度减缩，伴随着种群规模的减缩，因此提高了算法的收敛速度，家族个体空间大小不变提高了解的精度．最后，给出了3个典型函数的模拟例子，通过与GA的对比结果看到，OFGA在数量级上提高了收敛速度，使最优解的精度也有很大提高，说明新的算法具有应用的潜力。     

融合插点和跳跃点改进A*算法的路径规划

为了解决传统A*算法在路径规划中存在的一些问题,提出了一种融合插值点跳跃搜索路径算法来改进A*算法。在对栅格环境图中具有特殊意义的多组数据进行预处理后,通过起始点和目标点确定目标函数,并搜索出一条最优路径。利用MATLAB软件平台对8组规格不同的环境图进行了路径规划仿真。实验结果表明,改进后的算法可以减少计算时间、搜索节点数量、内存占用和搜索路径长度。可见改进后的算法在搜寻最佳路径方面的效率更高。     

沥青混合料骨架细观接触的高通量计算

为实现沥青混合料骨架细观接触的高通量计算，首先提出了近邻列表法与改进的窗搜索法两种接触计算方法；然后，使用4种（AC13、AC16、OGFC13及SMA13）沥青混合料对比了两种新方法与遍历法、窗搜索法及iPas软件在计算精度与效率方面的差异，采用虚拟试件研究了可实现计算速度与精度均衡的图像分辨率范围；最后，就高通量计算方法的适用性进行了验证。结果表明：近邻列表法可避免遍历法不可能发生接触集料对的冗余接触计算，改进的窗搜索法通过形态学膨胀处理即可完成传统窗搜索法环扫一周的目的；近邻列表法、遍历法、窗搜索法、改进的窗搜索法及iPas软件尽管计算原理存在差异但具有一致的精度；不同计算方法的计算效率排序为近邻列表法>遍历法>改进的窗搜索法>iPas软件>窗搜索法；图像分辨率的降低会提高接触计算的速度但是会降低接触点计算结果的准确性，综合考虑精度与效率的要求，图像分辨率范围处于0.05～0.075 mm/pixel时可实现计算速度与精度的均衡；近邻列表法能有效地实现沥青混合料骨架细观接触的高通量计算。     

基于改进粒子群算法的矢量量化码书设计研究

提出一种粒子群分组并行寻优码书设计算法,应用于图像的矢量量化编码中.可以得到性能较好的码书.利用同一种群两个分组分别进化,同时相互监督,某一个分组或者两个分组都陷入局部最优时,它能够通过相互作用跳出局部最优;然后通过对训练矢量进行排序,合理选择初始码书,使码字的分布更加合理,增强搜索多样性;最后通过仿真实验验证了该改进算法的合理性.     

一种基于蚁群聚类的径向基神经网络

提出了一种基于蚁群聚类算法的径向基神经网络．利用蚁群算法的并行寻优特征和挥发系数方法的自适应更改信息量的能力，并以球面聚类的方式确定了径向基神经网络中基函数的位置，同时通过比较隐层神经元的相似性、合并相似性较为接近的2个神经元来约简隐含层的神经元，以达到简化径向基神经网络结构的目的．实验比较了几种不同聚类算法的径向基神经网络，结果表明，所提神经网络的整体训练时间至少可缩短40％，学习的准确率可提高1%以上，而且网络结构更加精简．     

基于跨邻域搜索的连续域蚁群优化算法

针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法。首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度。通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优。     

基于集成学习的交通流短时特性分析与神经网络预测方法

为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.     

OFDM系统峰均比抑制的迭代FFT算法

传统的选择映射算法（SLM）中,要得到比较好的峰均比改善效果,需要比较多的独立分组数,这样运算量就比较大;传统的部分传输序列法（PTS）中,如果要获得最佳的相位旋转因子,需要遍历所有的可选信号,这样的计算量随分割的子序列数按指数增长。在正交频分复用（OFDM）系统中,采用快速傅里叶变换（IFFT和FFT）来实现高效的调制和解调,本文针对OFDM的高峰均比（PAPR）问题,结合限幅法操作简单和选择映射算法（SLM）以及部分传输序列法（PTS）对信号无畸变和效率高的优点,提出了一种基于迭代FFT的峰均比抑制算法,该算法利用系统中已有的IFFT（FFT）调制模块来降低OFDM的PAPR。并通过仿真试验证实该方法可以显著降低OFDM信号的峰均比,具有一定的工程意义。     

钢筋混凝土框架优化设计的一种新的混合法

本文提出了一种新的求钢筋混凝土框架结构设计最优解的混合法——坐标轮换法和模式搜索法合用。通过相应的程序处理,使无约束极值问题的优化算法可用于约束极值问题。在坐标轮换法的单维寻优中使用抛物线法,并且利用差商值之比判定框架梁、柱目标函数曲线的单调性,提高了寻优效率。     

最小延时问题GPU并行加速变邻域搜索方法

为了能够在尽可能短的时间内获得最小延时问题的优质解,提出一种运行在CPU-GPU混合环境中的变邻域搜索方法。在遗传算法的顺序交叉生成子代基因过程中,改变邻域结构以避免解方案陷入局部最优。该方法在避免局部最优问题的同时,又可以利用GPU的并行加速能力缩短算法运行时间。实验结果表明,对于大规模最小延时问题,可以在短时间内获得足够好的解。