两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

组合式全局寻优算法研究

分析了当前用于连续变量全局优化的各种智能算法的特点，指出他们互相融合发展的趋势，提出了一种体现大融合思想的组合式全局寻优算法，将目前各种智能优化算法有机组合在一起，使它们能够共享优化信息，协同寻优，从而形成最丰富的寻优机制，达到最强的全局寻优能力。最后用一个算例验证了该算法的有效性。     

混合粒子群算法在高维复杂函数寻优中的应用

针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况,提出了一种改进的算法结构。通过构造单个粒子的最优序列代替单一的进化方向和类似于蚁群算法信息素表的选择机制,保留了粒子的多种进化可能方向,提高了粒子间的多样性差异,从而改善算法能力。算法同时设计了最优序列的加入规则和基于粒子群聚度的最优序列动态长度控制方法。改进后的混合粒子群算法保证了算法拥有更强的搜索能力,也保留了粒子群算法高效优化的特点。仿真实验证明,混合粒子群方法相对传统方法而言具有明显的精度优势。     

星载双基地SAR干涉测高误差分析

针对星载双基地SAR干涉测高的新特点,给出了“空间基线”、“变基线”下的干涉测高原理,建立了绝对高程误差模型和相对高程误差模型。从提高测高精度、优化系统设计的角度出发,分析了相对高程和绝对高程测量精度受基线形式的影响,给出具有一般性意义的测高误差关于空间基线姿态的二维分布全貌图,分析了图中误差极点走廊和两类优良点的位置和相应的物理意义。将误差分布图用于指导辅星相对轨道设计,证明了该图对基于测高性能的辅星轨道优化设计具有重要意义。     

一种改进的连续变量全局优化模拟退火算法

在连续变量的全局优化问题求解中,提出了一种改进的模拟退火算法.该算法提出了一种自适应的函数变换方法,解决了模拟退火算法中较难处理的初始温度问题,使初始温度与具体应用问题无关;结合成功-失败法和变尺度方法,提出了有效偏移量的概念,改进了解的产生方式;提出了一种以相对精度为基础的结束准则,较好地解决了计算效率和计算精度的平衡,提高了算法的效率和通用性.数值测试算例验证了本文的改进模拟退火算法的可行性和高效性.     

航班离场排序问题的遗传算法设计

针对航班的离场排序问题,给出了问题的具体描述,建立了相应的离场排序优化模型,在此基础上设计了求解模型的双码自适应遗传算法,给出了相应的实现技术描述和具体的算法步骤,最后对算法进行了仿真验证.结果表明,算法设计合理,可有效缩减总的离场耗时,能得到调度问题的解,并可保证解的全局最优性.     

基于模糊神经网络的自适应滤波方法仿真研究

提出了一种模糊自适应卡尔曼滤波算法。该算法基于模糊规则，根据新息相关性，自适应调整测量噪声方差R，有效的解决了噪声的统计特性与实际不符时，滤波器发散的现象。同时，利用Elman网络作为误差估计器，补偿模糊自适应卡尔曼滤波器的估计误差。仿真结果表明，两种方法结合，可以有效地防止滤波器发散，缩小实际的滤波误差，提高滤波精度，实现滤波器参数的在线改进。     

约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法。该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解。给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析。最后通过数值实例表明了该算法的有效性。     

改进的BP人工神经网络预测软土地基固结沉降量

采用改进的BP人工神经网络较强的非线性映射能力和学习能力,提出了一种有效的沉降预测方法,并用于深港西部通道软土地基固结沉降量的预测.本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高,与实测值较吻合,简便易行,因而具有广泛的工程实用价值.     

F4上2维和3维的最优自正交码

研究了F4上维数为2和3的最优（或拟最优）自正交码的码长与极小距离之间的关系，用组合方法构造相应维数的最优（或拟最优）自正交码的生成矩阵，确定出其中达到Griesmer界的码，并计算出所构造的2维最优（或拟最优）自正交码的重量多项式。