改进Rosenbrock算法求包含平面多边形的最小圆

针对求包含平面多边形的最小圆问题,提出应用Rosenbrock算法求包含平面多边形的最小圆。指出对于上述求最小圆问题,Rosenbrock算法搜索极值点的成败与算法初始点的选择有关。分析了当Rosenbrock算法搜索失败时,目标函数在初始点附近取值情况;对Rosenbrock算法进行了改进：若算法在初始点X0沿初始标准正交向量组的搜索没有取得进展,将初始标准正交向量组作一旋转,得到新的标准正交向量组,算法在初始点X0沿新的标准正交向量组继续搜索。仿真实验表明,改进Rosenbrock算法有更好的搜索效果。     

求解中立型比例延迟微分方程组Rosenbrock方法的渐近稳定性

讨论用一类变步长Rosenbrock方法求解中立型线性比例延迟微分方程组的渐近稳定性,应用一种证明数值稳定性的新方法,获得了变步长Rosenbrock方法渐近稳定的充分条件.数值实验进一步验证了算法的理论分析的正确性.     

结合Rosenbrock算法的混合MIMIC算法

分布估计算法是基于群体的进化算法,具有较强的全局搜索能力,但其局部求精能力较弱且易陷入早熟.为了解决分布估计算法局部搜索能力不足的问题,引入一种求精能力较强的Rosenbrock算法对分布估计算法进行改进,提出一种结合Rosenbrock算法的混合MIMIC算法(Rb-MIMIC).通过实验仿真测试算法性能,将所得结果与标准的MIMIC算法相比较可知,结合Rosenbrock算法的混合MIMIC算法在求精能力和收敛性方面都有所提高.测试函数维数越高,算法的优势越明显.     

1种基于复合形法的改进遗传算法

提出了1种基于复合形法的改进遗传算法,分析该算法与遗传算法相结合的思想和流程;通过算法测试函数Rosenbrock测试改进的算法;通过与常规算法的对比,验证该传算法的优越性,并将该算法应用到一种间歇反应器的温度优化问题中.该算法可为常规的单目标或多目标优化问题提供借鉴.     

凸二次规划基于新的核函数的大步校正原始-对偶内点算法

本文对凸二次规划提出了一种基于新的核函数的大步校正原始-对偶内点算法．这种核函数构造新的障碍函数不仅可以定义新的搜索方向，而且可以控制内迭代的过程，使得对凸二次规划提出的大步校正原始-对偶内点算法的多项式复杂性阶改善到O（√n（logn）2log（n／ε）），优于基于经典对数障碍函数的相应算法的复杂性阶．     

Rosenbrock方法求解多延时微分方程的GPm-稳定性

研究了用Rosenbrock方法求解多延时微分方程数值解的稳定性．对于线性模型方程，分析了Rosenbrock方法的GPm-稳定性，并证明Rosenbrock方法是GPm-稳定的当且仅当它是A-稳定的．     

一种图像放大的离散算法

根据李将云等人(2003)所提出的数字图像的离散放缩算法，分析其不足之处，并对简单的二值图像以及一般的灰度图像提出一套新的离散放大算法．该算法可使图像放大任意实数倍．应用该算法能使放大后的图像边界清晰，忠实地反映原始图像的面貌．实验证明，该方法也是一种有效的图像放大算法．     

一种结合Rosenbrock算法的混合MIMIC算法及其应用

蜗杆传动设计是机械设计中的一种,在各个领域中有着广泛的应用,具有传动比大,工作平稳等优点。但是在制造蜗轮时,往往体积过大,造成有色贵重金属的浪费,为了节约有色贵重金属,将蜗轮齿圈体积最小作为目标函数,构建一个数学模型,对其进行优化。将全局搜索能力强的MIMIC算法和局部求精能力强的Rosenbrock算法相结合,提出一种新的算法——Rb-MIMIC算法,将新算法应用在蜗杆蜗轮传动优化中,利用改进后的MIMIC算法进行优化得到满足性能约束条件的蜗杆头数,蜗轮模数和蜗杆直径系数。优化结果表明,Rb-MIMIC算法可以快速的对蜗杆传动进行优化设计,与常规优化设计的结果相比,蜗轮齿圈体积减少31%,为蜗杆蜗轮传动优化提出一种新的思路和方法。     

基于双重竞争共振机制的模糊ART神经网络

提出了一种基于双重竞争共振机制的模糊ART神经网络模型．该模型将输入节点的竞争共振机制引入到输出类别节点，采用输入节点和输出节点双重竞争共振机制，形成了一种新的模糊ART结构，解决了传统模糊ART网络记忆不稳定问题．将该模型应用于图像分割，解决了传统模糊ART网络图像分割结果随警戒参数的升高而出现的过度分割．实验结果表明，和原始模糊ART算法相比，新算法具有更好的分类识别性能，在飞机目标识别中平均识别率比原始算法提高3％～5％．     

线性规划内点算法的若干收敛性问题

对于线性规划问题 ｍｉｎ｛ｃтｘ｜Ａｘ≥ｂ，ｘ≥０｝，印度学者 и．Ｋａｒｍａｒｋａｒ于 １９８４年发明 了一种新的内点算法，它的时间复杂性为Ｏ（ｎ３．５Ｌ２），其中ｎ为问题的变量个数，Ｌ为输 入中的二进制位数。其后又出现了多种变形方案，如原始型和对偶型内点算法等等。本 文主要讨论它们的收敛性问题。关于Ｋａｒｍａｒｋａｒ算法，证明了当原始线性规划问题无有 限最优解时算法也可以收敛。关于原始型和对偶型内点算法，给出了它们的基本性质以 及若干收敛性结果。     

梯级水电站排序的整数非线性规划模型与算法

本文运用整数非线性规划方法建立选择梯级水电站最优开发顺序的排序模型,研究了一种适合于求解目标函数和(或)约束函数只具有可计算性的整数非线性规划问题的直接搜索寻优算法。     

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。     

网格移动的无线移动传感器网络部署算法

针对目前无线移动传感器网络中部署算法过于复杂的问题,提出了一种新的基于网格移动的无线移动传感器网络部署算法.降低了常见无线移动传感器网络部署算法的时间复杂度,提高了任务区域的节点覆盖度,减少了覆盖漏洞,适用于无线移动传感器网络的应用.文中论述了该算法的构架,执行过程,并对该算法进行了仿真分析.仿真结果表明,该算法在有效降低算法复杂度的情况下满足了网络部署中关于覆盖率的要求.     

A Hybrid Algorithm for Optimizing Multi-Modal Functions

0 IntroductionThmeo rsei m epxlteen gseivneeltiyc sailngcoeri itth mw(asSG pAro)p iosse adp pbliye dJ .mHor.eH aonl-dland[1]in 1970’s . SGAis an opti mization method based onpopulation by emulating the evolvement disciplinarian of thenature.It has showedthe great advantage of quick search foropti mal solutions while applied in the opti mization of single-modal functions . But as we know many problems in realitybelong to the opti mization of multi-modal function, and ifSGAis appliedto sol…     

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.     

一种新的变步长LMS自适应滤波算法

对变步长自适应滤波算法进行了讨论,提出了一种新的变步长LMS算法。新算法用误差信号的自相关及均方误差的时域平均来调节自适应滤波算法的步长。由于不需要指数运算,新算法的运算量大大降低,收敛速度快,且消除了不相关噪声的干扰。将该算法用于码间干扰比较严重的大气激光通信系统中,仿真结果验证了算法的优越性。     

激光陀螺惯导系统硬件增强角速率输入圆锥算法

根据机械抖动式激光陀螺捷联惯性系统的角速率以及角增量输出原理,提出了一类利用角速率及其硬件积分角增量输入的新圆锥误差补偿算法,即硬件增强角速率输入圆锥算法.在分析经典圆锥运动误差基础上,给出了新算法的旋转矢量通式,并推导了这类圆锥补偿基本算法及其优化算法补偿系数通式.对新算法误差主项和补偿系数的规律性分析以及进一步的仿真结果表明,硬件增强角速率输入算法具有较高的精度,是提高角速率输出捷联惯导系统姿态算法精度的一种新思路.     

一种有效的启发式Flowshop调度算法

通过引入完工时间下限和优先权 ,Rajendran提出的启发式算法取得了良好的计算效果。本文对该算法进行了有效的改进 ,所提出的算法充分考虑了各种调度排序影响因素 ,将它们作为调度因子有机组合起来 ,添加到新提出的调度算法中。实验数据表明 ,新算法具有良好的计算效果 ,调度算法在高阶 weighted flowtime减少 2 .71 %左右。     

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。     

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。