求解张量绝对值方程的非精确LM方法

通过引入互补函数将张量绝对值问题重新表述为张量互补问题.针对重构的张量互补问题，建立了自适应非精确LM算法，并证明了算法的收敛性.数值实验结果表明所提出的算法是有效的.     

基于LM算法的相关模糊神经网络及其应用

针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题。提出一种基于LM算法的相关模糊神经网络模型;该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型;再采用LM优化算法,通过Hessian矩阵和一阶梯度向量同时调整网络参数;并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,可以加快收敛速度、减少模糊规则数,比经典的模糊神经网络有更好的预测精度。     

模式匹配算法的深入研究

模式匹配算法的应用较为广泛,KMP算法是一种性能较高的算法,所以对KMP算法的深入研究能够使模式匹配问题得到较大的改善．在匹配的过程中,从模式匹配算法的子串滑动出发,解决特殊的实际问题．通过特殊子串滑动算法与KMP算法整合的实践,在一定程度上省略了KMP函数的求解过程,提高了模式匹配问题的工作效率,保证了模式匹配问题的具体划分．     

基于Cilk的不确定机械手主控LM算法并行化研究

由于不确定机械手本身的非线性、复杂的特性,普通主控算法无法实现有效控制。提出了基于Cilk的主控LM算法,旨在通过多核并行处理,提高系统的响应能力。建立了基于LM的核心算法,并针对3种拟合函数作并行化处理,研究Cilk并行化对算法性能的影响。实验表明,Cilk能够有效提升LM算法性能,从而提升主控系统的响应能力。     

基于不可行内点算法的几何规划优化方法

提出了一种优化算法,用以解决古典正项式原－对偶几何规划问题．在一般假设下,该方法应用原－对偶不可行算法,在一类特殊的受摄动ＫＫＴ 系统中定义了一条原－对偶不可行路径,对于每个规划,都产生一个次可行解,规划问题的原－对偶目标函数值最后分别收敛到原－对偶规划值．算法迭代次数少,还不受几何规划问题艰度大小的限制．文中利用对数转换后目标函数Ｈｅｓｓｉａｎ 矩阵的特殊结构,讨论了算法实现问题．算法效果得到实例计算验证     

基于LM-PSO算法和BP神经网络的非线性预测控制

针对非线性系统,提出了一种基于BP神经网络的预测控制方法。以BP神经网络建立多步预测模型并预测系统输出值,用LM(Levenberg-Marquardt)算法和PSO(Particle Swarm Optimization)算法组合的混合算法对目标性能指标函数进行滚动优化求解,得到非线性系统的最优控制量;利用误差修正参考输入法实现反馈矫正。通过将粒子群算法引入LM算法,克服了LM算法依赖初值和粒子群算法过早收敛于局部极值的问题,提高了求解的运行速度和精确度。通过对单变量非线性系统仿真实验,证明了该控制系统具有良好的稳定性、自适应性和鲁棒性。该方法可在数学模型不确定的情况下设计出有效的预测控制器。     

一类具有学习效应的分批排序问题

本文讨论了分批排序中机器具有带学习效应,目标函数为极小化加权总完工时间的几个问题．就所有工件的加工时间都相等的这一特殊情况,给出几个算法,并证明了算法的最优性．     

基于LMBP算法的液压油缸内泄漏故障诊断方法

针对液压油缸内泄漏故障诊断中提取时域参数过多以及各参数间相互交叉等问题,提出一种基于主成分分析（Principal Component Analysis,PCA）和改进的Levenberg—Marguard（LM）神经网络的诊断方法．首先采用Lu分解法对LM算法中逆矩阵的求解进行优化,以加快网络的收敛速度,然后提取压力信号的8个时域参数作为原始特征,采用PCA法对其进行降维和去相关,提取前2个主成分作为最终特征,输入到改进的LM网络中进行故障模式识别,并将诊断结果与LM算法和GA—BP算法进行仿真对比研究．研究结果表明：基于LMBP算法的故障诊断方法在减少识别误差和提高诊断速度等方面取得显著改善,是一种行之有效的液压油缸内泄漏故障诊断方法．     

LM曲线移动因素的疏漏及其对货币政策效果影响探究

分别采用几何法和代数法,从需求一边研究影响LM曲线位置的因素和影响过程,分析了如何更为规范地表述LM曲线移动的问题,并结合我国实际分析了货币需求一边因素的变化对货币政策效果的影响。分析结果显示:影响LM曲线移动的因素有货币交易需求、货币投机需求和实际货币供给量的变动;货币交易需求函数和货币投机需求函数都有常数项;当LM曲线移动时,表述为LM曲线向上或下移动更为规范;货币交易需求和货币投机需求增加都会导致LM曲线向上移动;我国未来货币交易需求会减小而货币投机需求会增加,进而导致货币政策效应变小。     

带LMI约束的混合整数二次规划问题的全局最优性条件

推导出带LM I约束的非凸二次规划的全局最优充分性条件.其中,主要是利用一种研究全局最优化问题的全局最优性条件的新方法,来对这类特殊非凸二次规划问题的全局最优充分性条件进行研究.通过利用一个拉格朗日函数和L-次微分相结合的方法,然后再利用这两个已证明的结论推导出带LM I约束的混合整数二次规划最小问题的全局极小点的全局...     

前馈神经网络学习新算法及其仿真

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛．为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入拟牛顿(QuasiNewton)优化算法,并与LM(Levemberg—Marquardt)法相结合,构建基于LM—QuasiNewton法的前馈神经网络．仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性．     

带LMI约束的混合整数二次规划问题的全局最优性条件

推导出带LM I约束的非凸二次规划的全局最优充分性条件.其中,主要是利用一种研究全局最优化问题的全局最优性条件的新方法,来对这类特殊非凸二次规划问题的全局最优充分性条件进行研究.通过利用一个拉格朗日函数和L-次微分相结合的方法,然后再利用这两个已证明的结论推导出带LM I约束的混合整数二次规划最小问题的全局极小点的全局最优性充分条件,而且在推导出的定理基础上得到了一些推论.     

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．     

加工时间依赖于开工时间的单机排序问题

讨论了加工时间依赖于开工时间的单机排序问题．在这一模型中每个工件具有一个基本加工时间，当工件的开工时间超过某个共同的工期后，工件会有一个时间惩罚．本文就目标函数为极小化最大完工时间和总完工时间的问题进行了讨论，对某些特殊情况给出了多项式算法.     

关节式坐标测量机参数识别算法研究

为了对比关节式坐标测量机结构参数常见的三种标定算法:非线性最小二乘法、遗传算法和模拟退火算法,建立了统一的损失函数,将实验数据分为标定数据和测试数据,分别用LM法、遗传算法、模拟退火算法标定关节式坐标测量机,从算法的速度、实测效果和稳定性三方面进行了对比分析.结果表明:LM法耗时最短,所得结果也最为稳定,是适合进行关节式坐标测量机标定的优良算法.     

抗差LM算法求解遥感影像严格物理模型

Levenberg-Marquardt(LM)算法是一种求解非线性模型的数值算法,已成功地应用于最小二乘曲线拟合和非线性最优化中.LM算法能克服Hessian矩阵病态对解的影响,但是不能抵抗输入样本中粗差的干扰.为消除粗差对求解模型的影响,将等价权思想应用于LM算法中,对LM算法中的样本添加权重,得到抗差LM算法.通过其在Landsat5和SPOT5几何校正模型中应用,验证了该算法具有良好的抗差性,可以解决遥感图像校正模型解算过程中粗差的影响问题.     

由生成函数构成的梯度投影法

本文利用生成函数给出了一个解带线性约束非线性规划问题的梯度投影算法模型,统一处理了一类梯度投影算法的收敛性问题。当生成函数取某种特殊形式时,则得到一类具体的梯度投影算法。     

对非凸问题的一种特殊的二次增量算法

由于机器学习蕴含着大量的数据,本文提出了一种名为二次增量算法并针对涉及大规模变量的一些光滑(可能是非凸的)函数之和的极小化问题.所提出的联合了增量方法的新颖算法能使所有子系统在一个强凸逼近函数作用下迭代到它们的最有值,并且保证收敛到函数的稳定点.之后应用所提出的算法框架去解决一个特殊的问题.数值实验表示所提出的算法是有效的.     

线性互补约束优化问题的一个序列线性方程组算法

本文讨论线性互补约束规划问题，首先利用一个广义互补函数和摄动技术将问题转化为含参数μ的一般非线性优化问题，然后利用特殊形式的罚函数作为效益函数，建立问题的一个序列线性方程组算法，在适当的条件下，证明了该算法具有全局收敛性。     

一类线性回归模型异方差性的LM检验

笔者考虑了特殊情形下一类异方差性线性回归模型,首先导出了在模型中当异方差为线性函数时异方差检验的LM检验统计量,然后举例说明该方法的功效。