借助数学软件验证数列的收敛性

借助MATLAB软件演示数列的收敛性．该方法比MATLAB自带的符号运算函数limit效率高，且能记录每一个n对应的数列值，并通过绘图直观展示数列是否收敛．     

多目标集值优化理论及其进展

比较系统的介绍了多目标集成化这一学科，并从（１）标量化问题；（２）不带导数的最优性条件；（３）带导数的最优性条件－ＦｒｉｔｚＪｏｈｎ及Ｋｕｈｎ－Ｔｕｃｋｅｒ条件；（４）对偶问题；（５）非光滑分析法；（６）稳定性与灵敏度分析；（７）极大极小定理；（８）集到集映射的优化问题８个方面对这一领域的研究进展情况及所用方法做了较为系统的总结与研究，给出了几个尚未解决的问题。     

基于混合电磁算法求解置换流水车间调度问题

为了求解置换流水车间调度问题,提出了一种基于混合电磁算法的调度算法。首先,采用最小位置值法将算法中连续向量转换为工件排列顺序。其次,对随机生成的一部分初始解用基于启发式信息的贪婪随机自适应算法得到的结果加以改造,使其质量得到提高。最后,加入局部搜索增强算法性能。通过对Car系列和Rec系列基准测试结果表明,提出的算法性能优良。另外,还讨论了一些参数对算法优化性能的影响。     

混合人工蜂群算法

针对人工蜂群算法收敛速度慢、容易出现“早熟”的缺点,提出了一种混合的人工蜂群算法 (hybrid artificial bee colony, HABC)。在人工蜂群算法的迭代中引入淘汰规则和新的搜索策略,以提高算法的收敛速度;同时,为了维护群体的多样性,对种群中的个体采用差分进化。通过对一个调频(frequency modulated, FM)合成器参数优化问题测试,表明该算法能够有效地克服“早熟”现象,提高了全局寻优的能力。将其应用于线性系统逼近问题,仿真实验表明该算法是快速有效的。     

一类带不定权拟线性椭圆方程组的解

利用临界点理论中的山路引理, 讨论一类带不定权拟线 性椭圆方程组的Dirichlet问题. 借助相应带不定权特征值问题的第一特征值建立了其非平凡解的存在性定理, 其中方程组中特征值参数小于某已知常数.     

多项式光滑的半监督支持向量分类机

为了处理半监督支持向量分类优化中的非凸非光滑问题,引入一族多项式光滑函数来逼近非凸的目标函数,给出的多项式函数在样本的高密度区逼近精度高,逼近精度低时出现在样本的低密度区,同时可以根据不同的精度要求选择不同的逼近函数.采用BFGS算法求解模型.在人工数据和UCI数据集上的实验结果显示,算法不仅能保证标号数据很少时的分类精度,而且不因标号数据的增多而明显提高分类性能,因此给出的分类器性能是稳定的.     

非线性不等式组的非内部连续化方法

针对非线性不等式问题,利用投影函数和引入的光滑函数,提出了一个非内部连续化算法.算法对初始点的选取没有任何要求,并且每次迭代最多只求解一个线性方程组.在一定的假设下,算法是全局收敛和局部二次收敛的.数值实验表明了算法的有效性.     

一种面向传感器网络的蚁群优化路径恢复算法

为了找到动态传感器网络中的能量有效路径,提出了一种基于蚁群优化的传感器网络路径恢复算法.设计了一种新的路径选择概率模型,使得能够找到一条从源节点到sink的能量有效路径,该路径兼顾了路径能量消耗和节点剩余能量情况.为了适应网络动态变化,提出了局部信息素再初始化规则,利用该规则可在网络失效节点的附近进行局部信息素再初始化,在保留大部分原有最优路径的信息的同时,还能进行局部搜寻,以寻找新的路径,从而达到快速路径恢复的目的.仿真实验表明,所提算法在寻找路径上所消耗的能量最少,节点的剩余能量最大,在网络存在失效节点的情况下能够快速恢复路径.     

基于采样优化的蒙特卡罗移动节点定位算法

针对无线传感器网络中蒙特卡罗移动节点定位算法的不足,提出了一种采样优化的蒙特卡罗移动节点定位算法。该算法根据运动连续性,利用曲线拟合方法,得出样本节点位置后验密度分布取值较大的区域,对该区域内样本节点的权值进行优化,从而完成未知节点的定位。仿真结果表明,改进后的算法能够显著地减少定位所需的样本数,有效提高了无线传感器网络移动节点定位的准确性和鲁棒性。     

Hyperbolic Tangent Support Vector Machine

By utilizing hyperbolic tangent function,we constructed a novel hyperbolic tangent loss function to reduce the influences of outliers on support vector machine (SVM) classification problem.The new lass fuinction not only limits the maximal loss value of outliers but also is smooth.Hyperbolic tangent SVM (HTSVM) is then proposed based on the new loss function.The experimental results show that HTSVM reduces the effects of outliers and gives better generalization performance than the classical SVM on both artificial data and UCI data sets.Therefore,the proposed hyperbolic tangent loss faction and HTSVM are both effective.