基于期望值函数的离策略深度Q神经网络算法

深度Q神经网络算法的值函数迭代算法大多为Q学习算法,这种算法使用贪婪值函数作逼近目标,不利于深度Q神经网络算法获得长期来看更好的策略。通过以期望思想求解的期望值函数取代贪婪值函数作为更新目标,提出了基于期望值函数的离策略深度Q神经网络算法,并结合DQN算法神经网络更新方法,给出期望值函数能够作用于DQN算法的解释。通过使用该算法能够快速获得长期回报较高的动作和稳定的策略。最后分别在CarPole-v1和Acrobot仿真环境中对期望值函数的离策略深度Q神经网络算法和深度Q神经网络算法进行获取策略的稳定性对比实验,结果表明,基于期望值函数的离策略深度Q神经网络算法能够快速获得长期回报较高的动作,并且该算法表现更为稳定。     

改进的链接超平面逼近算法

提出了一种新的链接超平面逼近算法。“链接超平面”算法作为非线性逼近方法以链接函数为基函数 ;由于基函数的局限性 ,使“链接超平面”算法不可能达到最佳逼近。论文在二维空间上将双层 maxim in函数扩充为逼近中的基函数 ,经扩充后的模型可表示二维空间上所有的分片线性函数 ,从而其逼近能力强于仅用单层 maximin函数作为基函数的算法。仿真实验表明 ,在参数个数相同的情况下 ,新的逼近算法在逼近精度与预测误差两方面都优于仅用单层maximin函数作为基函数的逼近算法     

一种基于填充函数的神经网络全局优化算法

针对前向神经网络BP算法由于初始权值选择不当而陷入局部极小点这一缺陷,提出新的全局优化训练算法.首先,提出了一种新的填充函数,并证明该函数的填充性质,进而结合该新填充函数与BP算法,构造出基于填充函数的全局最优化神经网络算法.应用全局优化算法训练神经网络时,如果误差函数陷入局部极小值,该算法可以利用填充函数帮助误差函数不断地跳出局部最优,直到找到全局最优点.该新算法的最大优点是对于初始权值无依赖性,避免了BP算法易陷入局部极小值的缺点.理论分析和仿真试验结果证明了该全局优化神经网络算法的有效性和优越性.     

仿生优化算法及其在函数优化问题中的应用

仿生优化算法是一类解决函数优化问题的更好方法.本文基于遗传算法、蚁群算法和人工鱼群算法的基本原理,探讨了各种算法在求解函数优化问题中的应用.两个典型函数极值问题的数值实验表明,这三种仿生优化算法在求解函数优化问题中具有良好的优化性能,其中鱼群算法性能最好.     

基于模糊原理与频率分组的G函数算法

针对CHESS系统核心技术差分调频算法中G函数存在的缺点,提出一种新的G函数算法,其中频率转移函数采用了模糊算法、选择算法和复杂的分组算法.分组算法中的频率组作为调频状态量,组内再确定频率点.模糊算法和选择算法保证了转移函数的复杂度,改善了跳频序列的随机性和均匀性,增强了系统的隐蔽性和抗跟踪性.     

基于错误函数的四面体网格优化方法

通过对现有网格优化算法及网格质量函数的研究,选用常见的四面体网格质量函数,同时考虑边质量约束,推导出了错误函数,基于这个错误函数对四面体网格进行优化.采用错误函数作为基于优化算法光顺的目标函数.并通过应用变尺度法(BFGS)求解错误函数最小值问题对四面体网格进行光顺.将改进的基于优化算法的光顺与拓扑优化算法中的点重叠技...     

基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,并讨论基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。     

一种新的近似目标函数优化方法

本文提出了一种新的优化方法,适用于变量较少、具有p次方形式、无法求导的复杂的目标函数.给出了由误差函数求出近似误差函数和近似目标函数,并以求近似目标函数的最优值来替代求目标函数最优值的详细算法.列出了本算法对于10种试验函数的计算实例.计算结果与其他方法的比较证明了本算法的有效性.最后讨论了本算法的某些局限性.     

基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,讨论了基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。     

一类拟可微函数在一点处可微性判别及在不可微优化中的应用

对于拟微分为有限点集凸包的拟可微函数 ,给出了判别其在任一点处是否可微的一种算法 .将此算法作为不可微优化的子算法 ,可得到不可微优化的一种可执行算法 .特别指出 ,所讨论的函数类包含光滑函数的极大值复合函数 .     

一种新的汉语连续语音统计切分算法

在分析最小相位群延迟函数特点的基础上，提出了一种改进的汉语连续语音自动切分算法，该算法利用短时能量和类音节平均统计时长构造的最小相位群延迟函数为切分依据，将连续语音切分成一系列类音节单元．实验结果表明，本算法具有96．4％的切分正确率，比原算法提高5．2％．     

一种新的群搜索优化实现算法

针对群搜索优化（GSO）算法存在的不足,提出一种新的GSO实现算法（NRGSO）.采用5个300维和7个30维的测试函数对NRGSO算法进行数值实验,并将其与GSO算法、微粒群优化（PSO）算法、遗传算法（GA）、进化规划（EP）、进化策略（ES）进行比较.结果表明,NRGSO算法的性能优于GSO算法;而在解决高维和多模态函数的优化问题方面,其性能优于PSO、GA、EP和ES等算法.NRGSO算法改进了群搜索优化原实现方法的不足,提高了算法的搜索性能,不仅在高维函数的优化中表现卓越,还能有效地避免陷入局部次优,并且在实际的优化问题中应用方便.     

解约束凸规划问题的改进势函数下降算法

介绍了一种利用改进的势函数下降内点算法来求解带线性约束的凸规划问题,在不能保证Hessian矩阵半正定的迭代中,用势函数的投影下降方向代替原势下降内点算法的搜索方向,最后给出一组算例。     

模糊核超球感知器

提出了一种基于核化技术的模糊核超球感知器分类算法，该算法通过核化技术把样本数据映射到高雏特征空间，并利用超球感知器学习寻找高雏特征空间的决策超球，从而得到各类样本的决策函数．同时，样本测试中采用的模糊技术有效提高了算法的适应性．该算法学习规则简单，所得特征空间超球在样本空间的分布能很好地反映样本的数据结构，适用于不同类型数据结构样本的学习，并经大量试验显示了算法的有效性．     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题,提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM.该算法利用分布式K-Means聚类算法对每个数值型属性进行聚类,求得聚类中心,由此构造全局模糊集,定义全局隶属度函数.DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘,采用全局-局部站点模式,其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF.实验结果表明,该算法能准确地生成全局模糊频繁项目集,在求解全局模糊频繁项目集过程中,传送局部模糊候选项目集支持数的通信量为O(n),提高了算法的挖掘效率.     

基于模糊聚类的粒子群优化算法

粒子群优化算法(PSO)的基础上,提出了基于模糊C-均值聚类(FCM)算法的粒子群优化算法.该算法在每次迭代过程中首先通过FCM算法把粒子群体分成若干个子群体,然后粒子群中的粒子根据其个体极值和子群中的最优粒子更新自己的速度和位置值.通过典型复杂函数测试表明,基于模糊C-均值(FCM)的粒子群优化算法的优化性能和效率远远超过基本粒子群优化算法.     

一种基于与(或)逻辑实现的信息分存算法

针对传统信息分存算法运算量大和计算复杂等问题，通过引入合式基，提出了一种基于与（或）逻辑的信息分存新算法．它可通过对合式基进行动态分组来构造不同的信息分发和恢复方案，使算法具有动态自适应能力和可扩展能力，同时利用分发恢复过程与加密伪装过程的松耦合性，并结合经典的加密和信息隐藏算法，使算法具有高安全性．实验结果表明，在同一分组内的各个分存子信息的恢复能力相同，不同分组可负责恢复分发信息的不同部分，但恢复能力不同．若分组内仅有一个合式基，则该分组内对应的分存子信息必须参与信息恢复；若分组内对应的合式基分别参与该分组不同分存子信息的构建过程，在满足约束的情况下，允许分组内若干个分存子信息不参与信息恢复，其结果并不影响分发信息的重构．     

图象自适应分形压缩研究

介绍一种迭代函数构造方法，证明其具有收敛性；在此基础上，推导出一个自相似匹配条件，使得对于任一图象，根据匹配条件，可构造一组迭代函数，迭代结果与原图象相应的象素灰度值最大误差能控制在给定值内；并且求出满足匹配条件参数的解；最后给出一种自适应分割迭代函数构造算法．     

对称平衡多小波的设计

平衡多小波由于可避免预滤波而成为小波分析的研究热点。对已有不平衡多小波进行平衡,常会丢失多重尺度函数的对称性。通过对多小波进行平衡时多尺度函数保留对称性的充要条件进行研究,导出了具对称多重尺度函数的平衡多小波的构造算法,给出了2重对称平衡多小波的滤波器系数。     

基于文化混洗蛙跳算法求解连续空间优化问题

针对混洗蛙跳算法在求解高维函数时易陷入局部最优解的问题, 提出一种文化混洗蛙跳算法, 利用群体空间和信念空间的个体通过接受函数和影响函数完成 信息交换和全局寻优. 首先, 信念空间个体通过螺旋更新和随机游走的方式在较优个体附近寻找更优个体; 其次, 群体空间的最差个体通过借鉴不同知识平衡局部寻优与全局探索的关系, 进而提高算法的寻优精度并加快收敛速度; 最后, 将该算法与12种智能算法进行寻优对比, 对典型高维基准函数的测试结果表明, 该算法的收敛精度和计算速度均较好.