基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

基于离散最优传输的多层次自适应颜色传输

基于离散最优传输理论和小波分析方法提出一种自适应的多尺度颜色传输算法,首先将原图像和目标图像由RGB空间转到CIELab空间,然后分通道对2张图像进行自适应层数的小波分解,在每个层次上利用加权的离散最优传输进行传输,并通过设置传输比例参数使得用户可根据自身需求调整颜色传输的程度,最后将各层次、各通道的传输结果整合,实现2张图像之间的颜色传输.实验结果表明,该算法与已有经典算法相比,其颜色传输效果既平滑自然,又能较好地保持纹理细节.     

基于频率的Read Mapping种子选择算法

选择具有最低频率的最优种子是一个复杂的计算问题,往往需要很长时间.提出了一种read的基于频率的合并种子选择算法(FMSS),该算法能够高效地选择接近最优的种子集合,可用于改善现有映射工具的性能.实验对比了平均种子选择方法和当前最优的种子选择策略(OSS,optimal seed solver),结果显示FMSS算法能够用很少的时间代价给出接近OSS的最优种子集合,这表明FMSS算法可集成到现有映射工具中用于处理更大规模的read mapping问题.     

三目标优化:一种计算Pareto非劣解相对于各优化目标偏向度及其进一步分析的方法

考虑到理性决策者通常以获得高性价比结果为最佳选择,本文基于求解三目标优化问题得到的Pareto非劣解进一步分析.以"性价比"概念为基础,建立了Pareto前沿各点排序的基本规则,定义了相邻点概念,并明确了相邻点选择的方法.根据Pareto前沿各点与其相邻点的分布特点,计算得到了Pareto前沿各点的变化率;设计了灵敏比概念,得到了各Pareto非劣解相对各优化目标的偏向程度.本文的创新性贡献有3点:①利用三目标Pareto前沿灵敏比形成的新支配关系,进一步得到了比Pareto非劣解集范围更小的子集;②首次量化出三目标优化问题的Pareto非劣解相对于各优化目标的偏向度;③给出了各Pareto非劣解偏向于各优化目标的不平衡度,得到了不平衡度最小的解.最后,通过具体算例演示了上述计算过程,并与多种常用方法的计算结果进行了对比分析,验证了文中所述方法的可行性和有效性.本文研究成果对于进一步认识Pareto非劣解所具有的重要特性,深化三目标优化问题的求解是一次重要的理论推进.     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

基于最小二乘法对GM(1.1)模型的研究及应用

针对提高股票未来价格的预测精度,提出区间模糊数的整体GM(1.1)预测模型.利用最优解求解定义方程,得到区间模糊数的预测公式.基于区间模糊数满意度对投资组合选择模型进行优化,得到单目标规划投资选择模型.通过实例分析,给定不同的满意度得到不同的投资组合,证明模型具有一定的柔性.     

非齐次椭圆方程的一个极限形式

从传导问题中获得了一类非齐次椭圆方程Dirichlet问题的极限形式. 当2个理想导体之间的距离足够小时, 建立其最优的全局梯度估计, 从而给出了电场强度的爆破率.      

科学探索全宇宙的最优方法:一个超大系统仿真的宇宙物质反设计工程

针对人类实现最终科学研究目标,该文提出了科学探索全宇宙系统的最优方法:基于超大规模系统-云-并行数字仿真的宇宙物质反设计工程。首先,该文建立了全宇宙物质系统反设计方法,包括:数学模型是全宇宙物质的统一基理与统一数值仿真算法,以及相应大系统反设计数字仿真的方法及系统仿真计算步骤与流程图。即未来科学研究可通过超大系统数字仿真,寻找到宇宙物质的最根基要素,最后进行物理实验对该系统仿真结果作检测验证。这是人类代价最小并速度最快地实现最终科学研究目标的研究技术方法。然后,分析了该超大系统反设计的数字仿真方案的优点与可能存在的问题,认为超大系统数字仿真是目前科学探索全宇宙系统的第一优方法,因为该物质反设计可以回避开历时上亿年来人类及其祖先传统科学研究中存在的根本缺陷。因此,基于超大规模系统-云-并行数字仿真的全宇宙物质系统反设计的方法,在探索速度、探索效率、探索所需付出的代价等因素上,明显优越于人类传统自然科学探索方法,可以实现科学探索是有止境的,科技创新有止境的,是科学探索全宇宙的最优方法。