非线性l1 问题的光滑近似算法

利用“ ”函数的光滑近似函数和无约束优化方法给出非线性l1的一种算法．在适当的假设下，算法是全局收敛的．初步的数值试验结果表明算法的有效性．     

粒子群算法中惯性权重的实验与分析

简要介绍了粒子群算法(PSO)，对算法中的重要参数惯性权重进行了系统的实验，分析了固定权重与时变权重的选择问题，并从问题依赖性、种群大小和拓扑结构等方面详细分析了惯性权重对于算法性能的影响．结果表明，惯性权重的问题依赖性较小，随着种群的增大，其取值应适当减小，局部版本下，惯性权重的选择具有更大的自由度．     

多天线OFDM系统的线性优化

从Jakes信道模型出发,用KKT优化方法,从信道部分特性已知的情况推导了多天线OFDM系统中发射机与接收机的线性最优化设计问题。仿真比较了多天线OFDM系统的各个子载波之间采用合作的线性优化与非合作的线性优化两种方法在不同最大多普勒频移和反馈时延下发送符号的均方误差。仿真结果表明,当信道特性部分已知时,子载波之间合作的线性优化较之非合作的线性优化有更小的均方误差。可为存在反馈时延的多天线OFDM系统设计提供指导     

多方法协作优化算法协作策略研究

为充分发挥多方法协作优化的优势,研究了多方法协作优化算法的协作策略特性。比较了采用并联、串联、串并联和嵌入协作策略的多方法协作优化方法的不同优化特性,得出协作策略选择的一般准则。以典型全局优化测试问题进行了分析验证。研究表明,多方法协作比单独优化方法更具优势;合理选择协作策略,可以进一步提高多方法协作优化方法的优化特性。     

强计算条件下判断矩阵的优选分析

针对AHP中对判断矩阵的研究大多侧重于一个判断矩阵的不足,以强计算为基础,通过计算大量矩阵的一致性比例、期望判断阵、特征值、关联度等方法,对多个判断矩阵进行比较分析,从中选择满足一致性要求的判断矩阵,并进行优化,使其包含较多的原始信息。最后通过实例,介绍了这种优选方法的基本步骤,验证了该算法的有效性。     

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。     

采用遗传算法的中轨区域通信星座优化设计

区域通信星座的研究具有重要的现实意义，给出一种利用遗传算法设计中轨区域通信星座的方法。首先分析、确定中轨通信星座优化涉及的轨道控制参数，然后讨论了星座覆盖性能的评价准则，对星座系统的轨道控制参数集进行二进制编码后，利用遗传算法来获得对服务区具有最佳覆盖性能的星座类型。为了验证该方法的有效性，选择我国本土的一块区域，以最大覆盖率为目标进行仿真，结果表明该方法可以在给定条件下获得性能良好的星座方案。     

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。     

一种新的求解区间数判断矩阵权重的方法

研究区间数判断矩阵的一致性和权重求解新方法.基于权重可行域定义了区间数判断矩阵局部一致性和局部满意一致性,并建立了判别其是否具有局部满意一致性的数学模型.作为度量区间数判断矩阵一致性优劣的一种有效方法,给出了区间数判断矩阵一致性程度的概念,并对一致性程度较差的区间数判断矩阵提出一种改进方法.以在区间数判断矩阵内搜索一致性水平最好的确定性判断矩阵为目标建立一个新的权重模型,求解此确定性判断矩阵的权重,以此作为区间数判断矩阵的权重,模型由颗粒群算法求解.最后给出了一个例子说明本文方法的有效性.