训练前向神经网络的全局优化新算法及其应用

把填充函数法与BP算法相结合，提出一种训练前向神经网络的混合型全局优化新算法。该算法首先由BP算法得到一个局部极小点，然后利用充函数使BP算法跳出局部最优，得到一个更低的极小点。重复此过程最终求得全局最优解。最后给出一个应用实例。     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.     

An Approximate Algorithm for a Class of Nonlinear Bilevel Integer Programming

The algorithm for a class of nonlinear bilevel integer programming is discussed in this paper. It is based on the theory and algorithm for nonlinear integer programming. The continuity methods for integer programming are studied in this paper. After simulated annealing algorithm is applied to the upper-level programming problem and the thought of filled function method for continuous global optimization is applied to the corresponding lower-level programming, an approximate algorithm is established. The satisfactory algorithm is elaborated in the following example.     

不确定SMDP基于全局优化的鲁棒决策问题

考虑半马尔可夫决策过程（SMDP）在一些系统参数不确定，且性能函数依赖于这些参数时的鲁棒决策问题。这些参数的不确定性不仅导致等价无穷小生成子的不确定性，也导致性能函数的不确定性。论文针对相关参数的情况，分别采用不同的全局优化算法，即填充函数法和模拟退火算法，进行鲁棒控制策略求解。仿真实例说明，全局优化方法的使用保证了平均准则和折扣准则下的计算结果之间当折扣因子趋近于零时的极限关系成立。     

Adjustable entropy method for solving convex inequality problem

To solve the inequality problem, an adjustable entropy method is proposed. An inequality problem can be transformed into a minimax problem which is nondifferentiable; then an adjustable entropy is used to smooth the minimax problem. The solution of inequalities can be approached by using a BFGS algorithm of the standard optimization method. Some properties of the new approximate function are presented and then the global convergence are given according to the algorithm. Two numerical examples illustrate that the proposed method is efficient and is superior to the former ones.     

A New Method for the Estimate of Global Optimum Value

１　ＩｎｔｒｏｄｕｃｔｉｏｎＡｌｔｈｏｕｇｈｍａｎｙｎｏｎｌｉｎｅａｒｐｒｏｇｒａｍｍｉｎｇａｌｇｏｒｉｔｈｍｓｗｉｌｌｏｂｔａｉｎａｌｏｃａｌｓｏｌｕｔｉｏｎｆｏｒａｎｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍ，ｔｈｅｍａｉｎｄｉｆｆｉｃｕｌｔｙｗｉｔｈｔｈｅｓｅｍｅｔｈｏｄｓｉｓｔｈａｔｔｈｅｌｏｃａｌｍｉｎｉｍａｗｈｉｃｈｔｈｅｙｏｂｔａｉｎｍｉｇｈｔｎｏｔｂｅｇｌｏｂａｌ．Ａｃｔｉｖｅｒｅｓｅａｒｃｈｄｕｒｉｎｇｔｈｅｐａｓｔｔｈｒｅｅｄｅｃａｄｅｓｈａｓｐｒｏｄｕｃｅｄａｖａｒｉｅｔｙ…     

AN SQP METHOD BASED ON SMOOTHING PENALTY FUNCTION FOR NONLINEAR OPTIMIZATION WITH INEQUALITY CONSTRAINT

1 IntroductionIn tabs paper, we consider the following nonlinear optbostion problem:where j: Re - R, g: Re - Re are continuously ~ntiable functinns. SoP method forproblem (1) generates a sequence of points which converges to a K--T point of problem (1)through the following iterate formulaxk 1 = x* adds (2)adhere da is the solution of the following quadratic Prograrxuning problemin which Bh is a sylnlnetric positive deflate lllatris and A* is a stepsise obtained by some lineseaxch to redu…     

Improved clustering method based on artificial immune

An improved clustering method based on artificial immune is proposed. To obtain the better initial solution, the initial antibody network is introduced by self organizing map (SOM) method. In the process of the clustering iteration, a series of optimization and evolution strategies are designed, such as clustering satisfaction, the threshold design of scale compression, the learning rate, the clustering monitoring points and the clustering evaluations indexes. These strategies can make the clustering thresholds be quantified and reduce the operator’s subjective factors. Thus, the local optimal and the global optimal clustering simultaneously are proposed by the synthesized function of these strategies. Finally, the experiment and the comparisons demonstrate the proposed method effectiveness.     

A new descent memory gradient method and its global convergence

In this article, a new descent memory gradient method without restarts is proposed for solving large scale unconstrained optimization problems. The method has the following attractive properties: 1) The search direction is always a sufficiently descent direction at every iteration without the line search used; 2) The search direction always satisfies the angle property, which is independent of the convexity of the objective function. Under mild conditions, the authors prove that the proposed method has global convergence, and its convergence rate is also investigated. The numerical results show that the new descent memory method is efficient for the given test problems.     

一种基于双向动态规划的立体匹配算法

提出了一种利用双向动态规划和视差可靠性准则的立体匹配算法.首先,提出了一种新的全局能量函数,它解决了扫描线间的不连续性,同时保护了的视差不连续边缘;其次,利用加强顺序约束和遮挡约束的双向动态规划方法来处理遮挡;最后,在利用三个可靠性准则去除伪视差点之后,使用可移动窗口方法填充伪视差点的视差获得稠密视差图.实验结果表明,该算法在深度不连续区域和大的无纹理区域均能取得很好的匹配效果.     

基于分支定界法的运动控制相机轨迹跟踪

提出一种与视频图像纹理信息无关,以运动控制机器人手眼标定算法为核心的相机轨迹跟踪方法。针对无特定参照物的手眼标定算法精度较低的问题,该方法提出一种运用无穷范数在给定旋转分量时迭代求局部优化解的算法。并进一步基于旋转空间分支定界法,提出新的标定方程定界约束条件及划分策略,用于寻找全局最优解。实验结果表明,提出的方法有效提高了无参照物场景的手眼标定精度,并应用于虚拟现实领域。     

基于多适应值全参数自主变异粒子群的立体相机标定

基于视觉测量的目标参数获取为仿真系统的性能分析与评估提供可信的数据支持,相机参数标定的精度又决定着测量结果的可靠性。提出采用多适应值全参数自主变异粒子群的相机标定方法,利用传统标定法获取相机的初始内参,通过惯性系数收缩调整、给出基于粒距的全局因子学习调节策略、引入多适应值函数以及设计自主变异律,实现基于粒子群优化标定算法的快速和全局化收敛。实验结果显示本文方法在一定程度上提高了相机的标定精度并可以应用于实际工程之中。     

应用混合进化策略辨识Wiener-Hammerstein模型

提出了一种基于进化策略的多输入单输出Wiener-Hammerstein模型辨识新方法。该方法的基本思想是将模型辨识问题转化为非线性不可微函数优化问题,然后采用进化策略获得该优化问题的解。为了进一步增强进化策略辨识的性能,提出一种混合进化策略方法。混合进化策略采用如下方法以提高算法的全局寻优能力:基本排序的高斯-柯西自适应混合变异算子;策略参数的中间重组和均匀扰动;混合选择方案。仿真结果验证了上述混合进化策略辨识方法的有效性。     

Global stabilization of linear systems with bounded controls using state-dependent saturation functions

By using the so-called SP-stable polynomials, this paper reconsiders the problem of global stabilization of linear systems with input saturation. Firstly, a new nonlinear feedback law consisting of parallel connections of saturation functions by means of the so-called state-dependent saturation function is proposed for global stabilization of chains of integrators system. The state-dependent saturation function allows increasing the control energy when some of the states are badly scaled and can improve significantly the transient performances of the closed-loop system. Secondly, this type of global stabilization nonlinear feedback laws is extended to a class of linear systems that can be globally stabilized by bounded controls. Numerical examples show the effectiveness of the proposed approach.     

双混沌神经网络及其在优化问题中的应用

分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。     

基于合成相关函数的Cosine-BOC信号无模糊跟踪方法

二进制偏移载波（binary offset carrier,BOC）调制信号的自相关函数具有多峰性,导致全球导航卫星系统（global navigation satellite systems,GNSS）接收机同步阶段容易产生误捕和模糊跟踪。针对此问题,提出了一种基于合成相关函数的Cosine-BOC信号无模糊跟踪方法。该方法通过设计两路本地辅助信号的波形,与接收BOC信号进行相关运算,构造出无边峰的合成相关函数,实现无模糊跟踪。理论分析与仿真结果表明,该方法能够完全消除BOC自相关函数边峰,保持主峰的宽度,有效地提高了码跟踪的可靠性,同时具有较好的多径抑制能力,且适用于任意阶数的Cosine-BOC调制信号。     

一种小种群自适应遗传算法研究

分析了变异算子在标准遗传算法和自适应遗传算法中的作用和当前研究的不足,提出一种新颖的能够大大提高遗传算法性能的变异策略,并进而提出一种小种群自适应遗传算法.该方法在采用赌轮选择和单点交叉的情况下,利用一种可伸缩的变异策略使得算法在探测和开发之间取得很好的平衡,从而能够用小规模的种群进行有效的全局搜索和局部搜索,避免早熟收敛,并能够以较快的速度收敛到全局最优解.对多峰函数的仿真实验表明了算法的有效性.     

变换域通信系统基函数的最佳门限设计

提出了一种具有最优误码率性能的变换域通信系统基函数门限设计方法。首先分析干扰存在条件下变换域通信系统调制及解调信号的组成,推导出系统误码率与基函数门限的关系式,然后以误码率最小化为准则,采用遍历搜索门限的办法对系统的最优误码率进行求解,从而得到基函数的最佳门限。仿真结果表明,采用该方法得到的系统误码率是全局最优的,且适用于各种干扰条件的基函数门限设计,具有较低的计算复杂度。     

基于模糊模式识别的时序混合多指标决策

研究了一类定性和定量指标相结合的时序混合多指标决策问题。基于模糊模式识别原理 ,提出了一种新的进行方案优选的方案总体评价函数 ,给出了具体的决策方法和过程。最后通过一个实际例子说明 :该方法可行、有效 ,从而为解决时序混合多指标决策问题提供了一条新途径     

基于遗传算法的功率域最小二乘DOA估计器

提出一种基于遗传算法的功率域最小二乘波达方向(DOA)估计器。通过功率域最小二乘法推导得到优化目标函数。继而将目标函数作为适应度函数,将阵列天线各入射信号的未知DOA作为决策变量,通过遗传算法进行全局优化,从而完成各信源DOA的估计。采用适当的遗传策略,使全局寻优有效收敛至满意解,避免了复杂的多步迭代,提高了稳健性。估计器对非均匀高斯白噪声条件下的信源DOA同样有效。仿真实验表明,估计器的性能接近确定性最大似然(DML)估计器。