一种新的对偶原始算法的有效实现

为了规避求解线性规划问题时存在的一系列不足(如受原始退化影响、迭代次数随规模大幅增长、占用中央处理器时间长等),提出了一种处理一般线性规划问题的新对偶原始算法(NDPA),即采用求解一系列无约束最小二乘问题获得残差,确定搜索方向,而不是通过经典非线性优化算法来处理约束最小二乘问题.通过随机生成的线性规划问题试验,初步证...     

用原始－对偶算法求解过指定顶点的最短路

建立了赋权有向图中两顶点间过指定顶点的最短路问题的线性规划模型，用原始－对偶算法给出一个求解方法     

求解凸优化向前向后分裂算法的一个变形

求解凸优化向前向后分裂算法的一个变形：在第k次迭代中,利用第k和k-1步的信息,来确定下一个迭代点．并在较弱的条件下证明了它的收敛性,初步的数值结果表明了它的有效性．     

基于新函数下的半定规划原始对偶内点算法的复杂度分析

以φ(t)=(tp+1-1)-(p+1)ln t作为核函数,讨论半定规划的一类多项式原始对偶内点算法的收敛性及其复杂度.基于这个核函数找到牛顿系统的一个新的搜索方向,从而得到一个新的算法,并给出了其长步长迭代界和短步长迭代界分别为O(n1-pln nε),O(n23-plnεn).     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。     

基于一个新函数的二阶锥规划的原始对偶内点算法分析

用一个新的函数替代特殊的kernel函数,给出了基于这个函数的原始对偶内点算法,并给出了对于large-update methods(即τ=O(N),θ=Θ(1))迭代的上界O(N1-pln(N/ε)).     

基于分裂Bregman算法的全变差图像修复

图像修复是指对一副图像受损或缺失区域的图像内容的重建。全变差正则化是一个有效的恢复锋锐边缘图像的修复方法。本文重点研究了全变差正则化图像修复方法,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明,基于分裂Bregman算法的全变差图像修复方法是有效的,复原图像在客观评价标准和主观视觉效果方面均有较好表现。     

求解半定规划的原始对偶势下降内点算法研究

介绍了半定规划的一般模型、最优性条件及求解半定规划问题的原始对偶势下降内点算法.借助两个形象的图形分析了势下降内点算法的迭代轨迹,并对求解半定规划的Filter势下降内点算法进行了研究,提出了Filter的构造方法.在一定的条件下,该算法可避免Maratos效应和势函数海色矩阵不正定等问题的产生.     

基于全对偶算法的自动化测试方法

自动化测试的关键在于自动生成测试用例并自动选择,其中涉及到参数取值的组合以及对这些组合的取舍和重组.对用全对偶算法实现测试用例生成和选择作了相关论证,提出了自动化测试的假设,结合实例论证了该方法的可行性,经初步测试表明该算法的执行效率是令人满意的.     

一个改进的原始对偶内点方法

针对一般的光滑约束最优化问题, 提出一种原始对偶不可行内点算法, 该算法运用3个值函数使算法能收敛到局部极小点而非其他一阶最优性点, 并通过将等式约束的罚项和松弛变量的障碍项添加到目标函数中转化原问题. 计算结果证明了算法的可行性和有效性.     

二次半定规划一个原始对偶路径跟踪算法

本文提出求解二次半定规划的一个基于H..K..M方向的原始对偶路径跟踪算法.文中首先导出确定H..K..M方向的线性方程组,并证明该搜索方向的存在唯一性;然后给出算法的具体步骤,并证明算法产生的迭代点列落在中心路径的某个邻域内.最后采用Matlab(R2011b)数学软件编程对算法进行数值试验.数值结果表明算法是有效的.     

模态逻辑两个定理的基于向前向后方法的证明

向前向后方法是模型论及其应用研究中的一个新的工具 .本文使用向前向后方法 ,对模态逻辑的两个定理构造了一种简单的证明 .     

基于总变分彩色图像恢复问题的有效算法

为改进彩色图像的恢复效果,针对数字图像在获取和传输过程中产生的图像退化问题,提出一种改进的总变分正则化模型.首先在最大后验估计的框架下,将彩色图像退化问题转化为总变分最小化问题;然后选择L1范数作为总变分模型的正则项;最后引入对偶变量,将上述问题转化为极大极小问题,利用一阶原对偶算法结合分块矩阵求逆的算法处理上述极大极小问题.实验结果表明,与交替迭代算法相比较,该算法对彩色图像进行去噪和去模糊的能力更优,实验验证了该算法的有效性和优越性.     

基于全局优化方法的SAR图像快速分割算法

为解决变分水平集分割模型能量泛函的非凸性及其易陷入局部极小值解的问题,研究变分水平集分割模型的全局优化问题.基于Aubert-Aujol (AA)去噪模型和变分水平集方法,提出一个局部统计活动轮廓模型;然后通过凸松弛技术将提出的模型转换成全局优化模型;再利用分裂Bregman技术将全局优化模型转化为两个易于计算的Shrinkage算子和Laplace算子.通过对合成图像和Envisat SAR图像的分割实验,提出的全局分割模型不仅能够快速地得到全局最小值,而且比经典模型更准确地得到图像分割边缘.      

有向最短路的"原始-对偶"算法

给出了利用"互补松弛原理"以及"原始-对偶原理",在一个有向图D=(V,A,ω)中寻找顶点s到顶点t最短路的算法和过程.     

一种新的信号去噪优化算法

针对一维信号去噪问题,给出全变差正则化方法进行信号去噪的内在机理,并在此基础上结合优化理论提出一种新的信号去噪方法.数值实验结果表明所提算法具有良好的去噪效果.     

基于总变分JPEG2000核磁共振图像解码算法

针对低比特JPEG2000图像因压缩过程中产生的压缩痕迹问题,提出一种总变分JPEG2000解码算法。首先通过分析JPEG2000压缩的量化噪声近似地服从高斯分布,得到一个总变分ROF解码模型。其次利用原对偶算法求解所提出的ROF模型得到一个最优化解码迭代方案。最后对两幅核磁共振图像进行实验仿真,通过与高斯滤波、中值滤波方法在SNR值、视觉效果等方面进行比较,验证了本文方法去除压缩痕迹方面的有效性。     

最大权完美匹配的"原始-对偶"算法

给出了利用"互补松弛原理"以及"原始—对偶原理"在一个完全赋权二部图G=(X,Y,E,ω),ω≥0,|X|=|Y|=n中寻找最大权完美匹配的算法和过程.     

凸规划的一种对偶内点算法

将带有不等式约束的凸规划问题转化为拉格朗日对偶问题,构造了一种求解凸规划的偶内点算法,证明了在不存在对偶差的情况下,当对偶变量序列收敛到对偶问题最优解时,原始变量序列收敛于原始问题的最优解。     

基于随机加速对偶下降算法的分布式网络流量优化

传统的分布式网络流量优化问题大都通过对偶梯度下降算法来解决,虽然该算法能够以分布式方式来实现,但其收效速度较慢。加速对偶下降（accelerated dual descent,ADD)算法通过近似牛顿步长的分布式计算,提高了对偶梯度下降算法的收敛速率。但由于通信网络的不确定性,在约束不确定时,该算法的收敛性难以保证。基于此,提出了一种随机形式的ADD算法来解决该网络优化问题。理论上证明了随机ADD算法在不确定性的均方误差有界时,能以较高概率收敛于最优值的一个误差邻域;当给出更严格的不确定性的约束条件时,算法则可以较高概率收敛于最优值。实验结果表明,随机ADD算法的收敛速率比随机梯度下降算法快2个数量级。