求解无约束极大极小问题的光滑化不精确牛顿算法

提出了求解无约束极大极小问题的光滑化不精确牛顿算法.该算法利用光滑凝聚函数近似不可微的极大值函数,从而得到目标函数的光滑近似,进而再利用不精确牛顿法求解光滑化后的可微的无约束优化问题.在一定的假设条件下,算法具有全局收敛性,初步的数值实验表明,算法是有效的.     

L1极小化问题的一种Gauss-Seidal算法

采用罚函数法与Gauss-Seidal算法相结合的思想研究求解L1极小化问题的数值算法:把L1正则化问题视为对L1极小化问题的一种罚函数,由于该函数是非光滑函数,采用光滑化函数对其进行光滑逼近;在此基础上,对此无约束光滑极小化问题采用Gauss-Seidal迭代法求其某种形式的非精确解;再通过合理调整罚参数和光滑化参数, 使得算法产生点列收敛于L1极小化问题的解;最后,通过数值试验测试文中算法的效果, 并从数值计算角度与已有算法进行比较, 结果表明,文中算法具有很好的数值效果.     

求解非线性等式和不等式问题的一种光滑化算法

 给出了求解非线性等式和不等式问题的一种新算法．用Max函数将不等式约束转变为等式约束,建立了一个半光滑的无约束方程组系统,并设计了一种光滑化Gauss-Newton算法求解该系统．在适当条件下,证明了此算法的全局和局部收敛性．数值实验表明此方法的有效性．     

求解非线性互补问题的一种光滑化算法

求解非线性互补问题是利用光滑逼近函数将其转化为光滑方程组。提出了非线性互补问题的一个新的光滑逼近函数,并使用光滑化算法求解非线性互补问题。对P0函数的非线性互补问题,证明了算法的收敛性,数值实验表明算法的有效性。     

随机二阶锥互补约束优化模型的一般光滑化SAA方法

讨论一般随机二阶锥互补约束问题的求解算法.为处理模型中的不确定性，算法采用样本平均近似(SAA)抽样技术.不同于之前的工作，设计了一般光滑化SAA算法框架，可以在满足要求的一类光滑化函数中根据需要进行选择，从而构造光滑化SAA算法，并保证收敛性.具体的，若SOCMPCC线性无关约束规范等条件成立，则算法构造子问题的稳定点和最优解分别以概率1收敛到原问题的C稳定点和最优解.最后具体给出两个光滑化函数与其对应光滑化SAA算法的例子，由一般光滑化算法框架可得这两种算法收敛.     

非线性优化问题的光滑化序列二次规划方法

为了获得序列二次规划方法的全局收敛性,通常需要借助一个罚函数,但常用的罚函数由于具有不可微性从而给计算带来一定的困难,拉格朗日函数虽然可以克服此困难,但其形式较为复杂,为解决该问题,给出了一类光滑化罚函数.基于一类双曲余弦型光滑化罚函数,提出了等式约束优化问题的一个光滑化序列二次规划方法.该光滑化函数具有良好的连续、可微性和凸性质,在适当条件下,获得了算法的全局收敛性,并给出数值测试说明了算法的有效性.     

求解非线性规划的一个连续化方法

带不等式约束的非线性规划,其KKT条件可以通过NCP函数转化为一个非光滑的方程组,然后用熵光滑化函数光滑化,得到一个带参数的方程组.提出了一个求解该参数方程组的非内点连续化方法,证明了该算法的全局线性收敛和局部二次收敛.计算结果表明了该算法的有效性.     

一类新的光滑函数及求解非线性互补问题的光滑牛顿算法

本文构造了非线性互补问题的一类新的光滑函数,利用新的光滑函数将非线性互补问题转化为非线性方程组。然后提出了求解一般非线性互补问题的光滑化牛顿算法,并且证明了算法的全局和局部收敛性。     

利用光滑型算法求解线性规划问题

针对线性规划问题,给出了其原问题和对偶问题的最优性条件,并通过引入一个正则化的对称扰动的光滑函数,将其扩展成一个混合线性互补问题,并利用光滑型算法求解．该算法具有全局收敛的特性．对于有最优解的问题,算法能求得问题的一个严格互补解;对于不可行的问题,算法也能表明问题的不可行性．     

一个解非光滑方程组的Levenberg-Marquardt算法

给出了一个求解非光滑约束方程组的Levenberg-Marquardt算法,每一步迭代中只需求解一个严格凸的二次规划问题．首先,利用松弛变量的绝对值函数将原问题转化成一个无约束方程组;然后,结合光滑化技术设计Levenberg—Marquardt算法．此算法具有全局收敛性,并且在弱于非奇异性的局部误差界条件下,具有局部二次收敛性质．初步的数值试验结果表明,此算法实际计算效果良好．     

基于皮尔逊系统的语音信号盲源分离

当利用传统自然梯度算法对所有语音信号都使用同一个激活函数进行分离时,对语音信号的盲源分离效果都不尽理想.针对这一问题,采用基于皮尔逊系统的分段激活函数对传统自然梯度算法进行改进.通过引入皮尔逊系统,将皮尔逊函数与传统激活函数相结合,再利用信号的矩估计方法,分段选择合适的激活函数代入分离矩阵,有效克服了传统语音分离算法的缺点和不足.仿真结果表明,在对实际的语音信号进行分离时,改进算法的性能明显优于传统自然梯度算法,并且在保持了良好收敛速度的同时大大减少了均方误差.     

一类累积量域自适应滤波算法

讨论和研究了累积量域自适应滤波原理及代价函数，给出了一个新的代价函数J3(n)及基于J3(n)的CSWLMS算法。CSWLMS算法的性能优于基于代价函数J1（n) 的CLMS算法和基于代价函数J2（n)的CRLS算法。另外，还对CLMS算法和CRLS算法进行了改进。对上述算法进行了计算机模拟仿真比较，仿真结果表明改进的算法及给出的CSWLMS算法收敛性能良好。     

机械臂逆运动学避障最优求解算法

针对多自由度机械臂在障碍物环境下逆运动学求解存在多解性和碰撞问题,提出了一种将碰撞检测算法、最短行程方法与差分进化算法相结合的具有避障能力的机械臂逆运动学最优求解算法。首先,以六自由度机械臂为研究对象,对机械臂和障碍物进行建模,并建立求逆运动学解的目标函数,目标函数由末端执行器位姿误差函数、目标角度与初始角度之间的变化量函数、碰撞检测函数加权求和组成;其次,利用差分进化算法对目标函数进行最优求解,为了减小函数权重对求解速度和精度的影响,设计了一种自适应权重优化算法,使得求解关节角度在优化求解初期快速达到最短行程位姿角度附近,而在优化求解后期具有更高的求解精度,即可求得具有避障能力、行程最短且高精度的最优逆运动学解;最后,以UR5机械臂为例,通过MATLAB软件中的Robotics Toolbox工具箱对所提算法进行仿真验证,验证了所提算法的有效性。     

卫星高速数据传输中低误差抑制均衡算法

幅相键控调制系统中,为消除码间干扰,并解决高阶调制信号多模值的匹配问题,本文基于均衡器输出功率的线性变换定义新的代价函数,使用抑制低误差函数项的方法构造新的梯度函数,进而提出了新的均衡算法。该算法通过解决信号多模值与算法散度常量的匹配问题,提高收敛速度和降低稳态均方误差;通过抑制低误差函数项的方法,保证收敛过程的稳定。仿真结果表明,针对16-APSK调制信号,本文算法在保证收敛稳定性的同时,其均衡性能较恒模算法也有显著的提高。     

遗传算法在双正弦函数受限优化中的应用

文章采用遗传算法,研究了受限双正弦函数的极大值问题,给出了遗传算法寻优后的结果,并就遗传算法参数对受限双正弦函数寻优的收敛性进行了分析,结果表明遗传算法准确且较快地得到了双正弦函数的极大值。     

基于DP算法的变量选择

在DP算法的基础上,提出了新的PDP算法,来实现带有惩罚函数的目标函数中参数估计的计算问题。新算法为基于惩罚函数的变量选择方法在计算上的实现提供了新的选择,同时通过数据模拟分析验证了新算法的有效性。     

发散步长准则下的增量聚合梯度算法

针对目标函数是若干光滑函数之和的优化问题,提出采用发散步长准则的增量聚合梯度算法。与增量梯度算法一样,增量聚合梯度算法的每次迭代也只需要计算其中一个函数的梯度。目前关于增量聚合梯度算法的研究主要是采用常值步长的增量聚合梯度算法,这一算法要求目标函数二阶连续可微且强凸,且常值步长的选取依赖最优点的二阶导数;而发散步长准则不依赖目标函数。在目标函数的梯度有界且李普希兹连续假设条件下,证明了采用发散步长的增量聚合梯度算法的收敛性;最后,通过数值例子验证了算法的收敛性,并与采用相同步长准则的增量梯度算法进行比较;数值结果表明对于某些优化问题,增量聚合梯度算法比采用相同步长的增量梯度算法更有效。     

AES算法及其在伪随机比特生成器中的应用

在FIP 186单向函数中，用AES算法取代原有的DES算法，产生了新的具有统计性能和安全性能都更加优良的单向函数，并且利用ANSI C实现了新修改的单向函数算法；在此基础上把单向函数算法用到FIP l86伪随机比特生成嚣中，产生了DSA(Digital Signature Algorithm)中的伪随机秘密密钥K．     

一种基于标准峭度的新型复数盲分离算法

在复值信号的盲分离算法中,经常采用信号的峭度最大化作为代价函数.以复数标准峭度代替复数峭度,将复数信号的标准峭度最大化作为新的代价函数,采用修正的复值拟牛顿迭代算法对代价函数进行优化,并运用该算法对混合QAM信号进行分离.仿真实验结果表明:改进后的算法具有很好的分离效果,相比于峭度最大化为代价函数的分离算法,收敛性能有明显提高.     

面向函数的代码克隆检测

在软件开发过程中绝大多数克隆代码集中在函数内部,为了更加快速有效地检测出克隆代码,提出了一种基于函数内部特征矩阵的代码克隆检测算法。该算法通过提取函数内部特征,从而达到将具体代码的比较转化为对特征矩阵进行相似度计算。实验结果表明,该算法可以检测出所有克隆函数,并与基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法相比,该算法在运行时间及精度上均优于基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法。其次,通过使用N-grams算法对函数名进行相似度检测,使得该算法在运行效率上得到了显著提升。