一类互惠模型平衡态正解的存在性

研究了一类带有饱和项的互惠模型在齐次Robin边界条件下平衡态正解的存在性.首先,利用最大值原理得到正解的先验估计;其次,以a为分歧参数,运用局部分歧理论,证明了系统在半平凡解(a*,ηa*,0)和(a',0,ηb)附近出现分歧现象;最后,结合全局分歧理论,将局部分支延拓到无穷.     

基于一维卷积神经网络的岩石物理相识别

为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法.该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全局平均池化层引起的性能下降.实验结果表明,测试集中4种岩石物理相的平均F1分数为0.97,相比其他同...     

一种改进的雾化图像快速复原算法

基于暗通道理论,提出一种改进的单幅图像去雾算法,对雾化图像快速去雾.改进算法采用自适应中值滤波与双边滤波相结合的方法,计算边缘细致清晰的暗通道,根据雾天成像的物理模型估算透射图.与传统算法相比,估算出的透射图细致清晰,无需优化,克服了传统算法用大量时间优化透射图的缺点,大幅降低了算法的复杂度.试验结果表明,该算法可以实现对单幅图像的高质量快速去雾.     

基于遗传蚂蚁混合算法的AUV全局路径规划

针对三维空间环境下的全局路径规划问题存在搜索最优解效率不高、时间较长等问题,提出了一种基于遗传蚂蚁混合的算法.该算法对模型进行了必要的简化,合理设计了子区域的划分方法,减少了种群的搜索范围;采用了新的遗传蚂蚁混合策略,提高了两种基本算法的融合效率;依据安全性和时间原则设计了算法的评价函数.三维环境下的仿真结果表明:本算法与已有的遗传蚂蚁混合算法相比,在保持搜索精度的同时,搜索到最优解的时间和迭代次数均有明显减小,具有可行性与合理性.     

永磁同步电动机模型的动力学研究及其数值仿真

在已有文献研究的基础上,利用微分方程与动力系统的基本理论与方法,首先从解析上推导出永磁同步电动机混沌模型的全局吸引域,然后对这个理论结果进行仿真;理论分析及数值仿真结果表明:该永磁同步电动机混沌模型全局吸引集的研究结果是正确的;研究结果对保证电机传动系统的稳定运行具有较好的参考价值;同时,为永磁同步电动机混沌系统在工程中的应用和电路设计提供了理论依据。     

一个修正的NVPRP方法

非线性共轭梯度方法是解决大规模无约束问题最有效的方法之一,提出了一类新的修正共轭梯度算法,新算法推广了黄海东等的共轭梯度参数算法,不依赖任何线搜索且具有充分下降性;然后,在标准Wolfe非精确线搜索下,得到了新算法的全局收敛性.     

一类具有充分下降性修正的DL共轭梯度法

基于DL共轭梯度方法,提出了一类修正的DL方法来解决无约束优化问题.该方法相对于DL共轭梯度方法具有一个更好的性质,即在强Wolfe线搜索条件下搜索方向具有充分下降性;证明了该方法在强Wolfe线搜索条件具有全局收敛性.     

混合整数非线性规划问题的全局最优性条件

近年来混合整数非线性规划问题的应用非常广泛。本文给出了带界约束的混合整数非线性规划问题全局极小点的必要条件,包含连续优化和离散优化问题。同时得到了带界约束的混合整数非线性规划问题的充分全局最优性条件。所针对的优化问题的目标函数只需要是二次连续可微的。如何目标函数的二次的,所得的最优性条件非常容易验证。我们给出了数值例子以说明全局最优性条件的意义。     

基于模糊熵评价和最优搜索的自动对焦算法

针对传统自动对焦算法不能实现最优对焦,以及易受清晰度评价函数局部峰值影响,从而导致重复性和稳定较差的问题,提出一种基于模糊熵的清晰度评价算法和全局最优拟合算法,应用于工业影像测量的自动对焦.该算法用模糊熵对图像清晰度进行评价,可降低噪声以及放大倍率和光照强度变化对自动对焦性能的影响,结合多尺度全局搜索和微尺寸曲线拟合搜索算法,避免局部峰值的干扰以实现最优对焦.该算法在环境变化的条件下,尤其是针对光照不稳定和变倍精度不够高的环境下,具有很高的聚焦精度,重复性和稳定性有显著提升,能够满足工业影像测量对自动对焦的要求.通过实际工业影像测量系统中的应用对比试验,该算法的有效性和优越性得到了验证.     

模糊粗糙神经网络的结构与参数优化

基于模糊粗糙隶属函数,建立了一种五层结构的模糊粗糙神经网络（fuzzy rough neural network, FRNN）,对神经元之间的连接,引入一个开关函数,从而把结构优化和参数学习问题转化为单纯的函数优化问题。提出一种混合智能优化算法（hybrid intelligent optimization algorithm, HIOA）用于FRNN的结构和参数优化,适应度函数同时考虑模型的精确性和网络的节俭性。典型的实验结果表明,FRNN适用非线性系统建模,相对于普通神经网络及其优化方法能获得更高的精度和泛化能力。