求函数极小点的记忆梯度法

<正> 记忆梯度法是共轭梯度法的推广和改进,它存在很多优点,是一个值得重视的算法.不过在它的每一迭代步中,都要作一次二维搜索.以往处理这个问题,常常采用牛顿法,由于牛顿法对初值要求十分苛刻,在实用上很不理想.本文提出一类函数的极值问题,在使用记忆梯度法求解时,采用线性化方法处理二维搜索问题,获得较好的计算效果.     

一类新的DY-型共轭梯度法的全局收敛性

给出求解非线性无约束优化问题的新的DY-型共轭梯度公式和新算法,证明新公式和新算法在推广W olfe规则下分别具有下降性和全局收敛性.文献[14]提出的杂交共轭梯度公式中βk的取值是新的DY-型共轭梯度公式的特例.     

降低复杂度的PTS方法及其在IEEE 802.16a OFDM系统中的应用

部分传输序列(PTS)是一种复杂度较高的减小正交频分复用(OFDM)系统峰均功率比(PAPR)的方法。文中介绍了两种降低PTS复杂度的方法,一种是m序列PTS,另一种是迭代移位线性搜索法PTS。并将这两种方法应用到基于IEEE802.16a的OFDM系统中,仿真表明这两种方法都能够降低PTS的复杂度,同时减小系统的PAPR。     

快速构建目录树的算法研究

通常使用DFA和ITA算法构造目录树,分别对这两种算法进行了时间复杂性分析,16组实验结果表明DFA算法快于ITA算法.     

基于协同进化的多目标约束进化算法

针对约束多目标优化算法(COA:Constrained Optimization Algorithms)中存在的难以有效兼顾收敛性和多样性的问题,提出了采用协同进化策略的多目标优化算法(CoMaC)。首先,将一个COA转化为一个带动态约束处理的多目标进化算法。然后采用差分进化(DE:Differential Evolution)生成第1种群,并将其中的已知可行解选入第2种群,并与第1种群协同进化。第1种群通过保持原约束条件的全局搜索加快收敛。第2种群通过局部搜索进化,保持并获得更多可行解。最后采用标准约束多目标测试函数进行实验,以测试所提出算法的性能。实验结果表明,与使用惩罚函数处理约束问题(PF:Penalty Function)和使用动态处理约束边界方法(DCMaOP:Dynamic Constrained Many Objective optimization Problem)相比,所提算法在反向世代距离(IGD:Inverted Generational Distance)和超体积(HV:Hypervolume)两个指标上均取得了良好的结果,说明所提算法可以有效地兼顾收敛性和多...     

A算法在游戏地图寻径中的几种改进策略研究

A^＊算法是目前游戏地图寻径中应用最广泛的算法。分析了A^＊算法,针对游戏开发指出了标准A^＊算法的不足,研究并提出了几种改进策略和编程实现的方法。实验结果表明,提出的改进方法确实提高了算法的搜索效率和路径的平滑程度,更加适合游戏开发。     

基于用户偏好和麻雀搜索聚类的协同过滤算法

针对推荐算法数据稀疏及聚类中心点敏感问题,提出了一种基于用户偏好和麻雀搜索聚类的协同过滤推荐算法.首先使用评分偏好模型对原用户项目矩阵进行修正,得到新的用户偏好-项目矩阵.利用麻雀搜索对聚类中心点进行优化,从目标用户所在簇内得到最近邻,提高了算法迭代速度,改善了聚类中心点敏感的问题.使用相似度公式对目标用户未评分项目进...     

基于遗传算法的最优扩展螺旋搜索

本文在对传统螺旋搜索算法研究的基础上,提出了一种基于遗传算法的最优扩展螺旋搜索算法.该算法将遗传算法和扩展螺旋搜索法相结合,优化出搜索器在扩展螺旋搜索时的第一个探测点和运动转向角,为实现水下目标的最优搜索提供了条件.仿真分析了潜艇的运动速度和航向分别变化的情况下,所提算法与传统算法对目标搜索时间和发现概率的差异.由仿真结果可见,该算法可缩短搜索时间,提高发现目标概率.     

两种基本搜索策略的计算机模拟与评估

介绍用Lotus Improv的Spreadsheet 进行多靶搜索模拟,比较了系统搜索和随机搜索模式的搜索效率,结果表明当视觉敏度高时(或搜索仪器的分辨率高,光照条件好,目标清晰)时,系统搜索比随机搜索效率要高;而当视觉敏度较低时,二者几乎是等价的。这个结果验证了Kraiss等的推论。