大规模优化系统层次型分解的一种方法

解决大规模优化问题的一个有效途径是分解协调法,在总结优化分解两种方法的基础上,提出一种层次型任务分解的策略,建立了任务分解的模型,并结合数学规划的算法进行求解。实例说明所建立的任务分解模型的合理性,分枝定界算法能有效地减少搜索空间,得到较好的分解结果。     

一种分解树到形式化代码片断的转换算法

在软件演化过程研究中,对任务功能进行分解,利用分解树来存储分解结果,提出了一种算法,使分解树可以自动转换为对任务功能的形式化描述语句,从而提高了软件演化过程建模的效率和规范性．     

大系统分解协调理论在电力系统动态调度中的应用研究

提出了电力系统动态优化调度问题的目标分解协调的新算法．基于大系统的分解协调理论，将动态优化调度模型按时段进行分解，通过目标函数的修正来协调时段间经济性与可靠性的要求．该方法既避免了统一解算所造成的维数灾问题，又系统化了各种解耦算法（正推、反推及双向推），将模型的算法统一起来．     

分布式并行CAIP系统协同求解模型的研究

采用ＳＴＲＩＰＳ规划系统语法格式和图论知识,论述了基于知识的通用检测规划的领域模型、抽象分层规划以及相应的任务分解算法,从而建立了基于分布式并行处理智能检测规划集成开发平台ＩＤＰＩＰ的分布式并行协同求解模型．     

MDOCEM中一种改进的启发式任务分解算法

基于多Agent的分布式开放计算环境模型(MDOCEM)中,任务分解是提高任务执行并行度的重要环节。针对有关学者提出的一种启发式任务分解算法,分析了它的特点与不足,并据此提出了一种改进的启发式算法,该算法采用目标驱动的思想,实现了对任务分解问题求取包含操作数最少的可行解的目标.     

一种结构健康监测的传感器优化布置算法

在对建筑结构进行健康监测或损伤检测时,通常需要进行结构的模态测试．传感器布设的位置与数 量则对模态试验结果起着至关重要的影响．提出了一种基于奇异值分解的传感器布置新算法．首先根据线 性模型估计理论,将待监测的目标模态振型视为线性模型的设计矩阵,利用奇异值分解的算法,将设计矩 阵分解,根据各个自由度对目标模态振型贡献进行传感器优化布置方案的设计．     

灌区库群系统水资源优化配置模型研究

以云南曲靖灌区为例,采用大系统分解协调技术对大型灌区水库群系统水资源优化配置问题进行了分析和研究;构建了水资源系统两级递阶分解协调模型,并给出了模型优化决策算法的程序框图．     

最大值函数的UV-算法

UV-分解算法是一种求解非光滑凸函数优化问题的新算法，其借助于次微分而得到的分解理论及函数的二阶近似，并在迭代点的选取中，利用Bundle子程序而得到的一种原始对偶方法．对最大值函数优化问题中如何应用UV-分解算法．并在Bundle子程序中如何去选取迭代信息．从而使算法有更好的收敛效果．     

元计算环境下阶段启发式任务分解与调度策略研究

提出了基于元计算环境下阶段启发式任务分解和调度的协同工作模型，给出了任务分解过程中任务间依赖关系的数学描述，通过任务粗粒度分解策略，探讨在分解算法中任务完全组合导致的开销指数递增问题。     

具有分解结构的多目的批处理过程短期调度模型

针对多目的批处理过程的短期调度问题,分析了基于设备独立事件触发的建模方法在描述存储过程的特点及局限性,建立了存储的时间函数来准确描述存储状态,并以此为基础,在不额外增加变量的情况下,建立了一种新的具有分解结构的调度模型,该模型由两个层次的优化问题构成。设计了基于分解的遗传算法求解模型。针对主要由处理任务的时间顺序约束和存储容量约束构成的子问题,通过松弛,给出了简单的递推算法求得最优解或近优解,然后返回主问题,采用遗传算法,使得搜索空间大为减小。仿真实例说明了模型和算法的有效性。     

基于优化PSO的LU循环分块方法

循环分块技术可以提高Cache的命中率,而循环分块的规模是该技术的决定性因素。利用粒子群优化算法可以优化循环分块的规模,获取合适规模的分块,提高循环分块的效率。首先研究了LU分解算法,然后讨论了传统粒子群优化算法并针对用于循环分块方面的不足加以改进,最后把优化的粒子群优化算法用于LU分解算法之中,从而提出了一个PSO-LU循环分块算法。仿真实验结果表明,和原始基准测试程序相比,所提循环分块算法比性能有所提升,更充分地提高高速缓存运算效率。     

基于多普勒效应的单声源速率测定算法研究

应用多普勒效应原理,实现了对固定频率、匀速运动的单声源的速率测定.利用MATLAB拟合了固定传感器接收到的该声源运动时的声音信号,用Hilbert变换得到了该信号的瞬时频率,并以离散时间域的多普勒效应为目标函数,采用非线性最小二乘拟合得到其速率.算法采用小波分析及经验模态分解(EMD)方法分别对原始声音信号和瞬时频率进行去噪.实验结果表明,该算法精度较高,是一种可行的方法.     

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．     

对称加权算法对数据矩阵补全的优化研究

数据分析中存在数据集矩阵缺失,可用数据矩阵补全缺失数据元素,高效的补全数据矩阵算法可从算法精度等方面优化提升.为此提出对称加权(SW)算法,首先,根据通用的矩阵补全模型,用正则化方法进行低秩矩阵分解补全;其次,对分解后的矩阵因子用共同的对称矩阵加权,得到新的矩阵补全模型和正则化加权函数;最后,结合块坐标下降和交替最小二乘法优化算法,迭代得到目标函数最优解,获得数据补全的最优补全矩阵.仿真结果表明,与APALM,IRSVF和IRNN算法相比,对称加权算法在数据矩阵补全的精度和算法收敛速度方面均有较好提升.     

基于改进EEMD的卷积神经网络滚动轴承故障诊断

集合经验模态分解(EEMD,ensemble empirical mode decomposition)对信号进行分解,得到的模态函数(IMF,Intrinsic model function)在2端点存在严重的发散现象,如果将分解结果直接应用到故障诊断系统中,会导致诊断的准确率下降。首先将支持向量机(SVM,support vector machine)和EEMD算法结合进行信号分解,并利用仿真信号进行可靠性分析;其次对SVM(support rector machine)-EEMD分解的分量进行选择后再分解并构建能量向量,最后和卷积神经网络结合,构建滚动轴承故障诊断模型并通过实验验证。结果表明,改进EEMD算法可以有效缓解端点发散问题,构建的故障诊断模型提高了故障诊断精度。     

混合DWT和SVD的数字水印算法

文中提出了一种基于离散小波变换和奇异值分解的新的数字水印方法. 首先宿主图像被均匀分割成四块,对每一块进行一层小波分解,得到每一块的低频子带,再对每一低频子带进行奇异值分解,得到各低频子带的奇异值. 水印图像经过Arnold变换预处理后也进行奇异值分解,将得到的奇异值分别以一定的强度嵌入到宿主图像每一块低频子带的奇异值中,再进行反变换、拼接操作即可得到嵌入水印后的图像,实验结果表明,本文提出的方法,对噪声、剪切、滤波、JPEG压缩等常见的信号处理和攻击均具有较强的鲁棒性.     

基于傅里叶级数分解的示功图位移测量算法

提出一种基于傅里叶级数分解的加速度、速度和位移转换算法. 在抽油机示功图位移测量中,传统的二重积分算法存在初始条件不确定的问题,这将导致位移不闭合. 通过对加速度、速度和位移进行傅里叶级数分解,直接利用级数间的关系实现二重积分,能有效克服上述初始条件不确定的问题. 利用能量主要集中在低频的特点,给出了快速转换算法,同时还提高了算法的信号处理增益和抗噪声性能. 对现场实验数据的分析结果表明,该算法可以快速实现加速度、速度和位移之间的转换,能有效应用于油井示功图的位移测量中.      

基于遗传与粒子群混合优化算法的分布式模型预测控制系统结构分解

为了对分布式模型预测控制系统进行分解,采用一种遗传算法与粒子群算法的混合优化算法对系统进行分解的方法。混合优化算法兼具两种算法的优点,相对于采用单一优化算法,收敛速度更快且精度更高。对控制系统的输入进行分组可以有效消除系统输入之间存在的耦合,平衡各子系统之间的通信负担,因此对控制系统进行输入分组,可以完成对系统的结构分解。定义了一个系统拆解目标函数对输入分组问题进行求解,并通过对热镀锌生产线控制系统中的部分输入进行分组实验,验证了方法的有效性。     

一种几何约束系统分解算法

为提高变量化设计效率和数值稳定性 ,提出了一种结合剪枝操作和归约操作的几何约束系统分解算法 :剪枝 -归约算法。该算法能够处理完备约束、过约束以及欠约束情况下几何约束系统的分解问题。同时讨论了在欠约束条件下如何获得符合设计意图的分解方案的问题