利用Fisher函数解约束优化问题的广义梯度投影算法

通过引入一个辅助优化问题,将广义投影与罚函数技巧和F isher函数(a,b)=a2 b2-(a b),a,b∈En的特殊性质:a2 b2-(a b)=0 a≥0,b≥0,ab=0结合起来,给出处理非线性等式、不等式约束问题的广义梯度投影算法,并证明该算法是全局收敛的.该算法不仅保持文献[6]的优点,而且还扩大了初始点的选择范围.     

一类非线性退化波动方程整体解的存在性

应用致密性方法和D.H.Sattinger的“位势井”理论,研究了一类非线性退化波动方程初边值问题整体解的存在性.     

语音矢量量化全局最优问题的研究

为提高运算速度和识别率,采用编码器扰动在线简化算法解决矢量量化编码时“全局”最优问题.这种算法无需计算扰动前后的目标函数差(ΔE).扰动是全局且永远被接受,在一个温度下无需进行多次扰动以达到热平衡,而且随着码本容量(M)的增加,计算时间要大大缩短,该算法提高了运算速度和识别率,能较好地解决了矢量量化陷入局部最小点问题.     

基于凸组合技术的加速FR型共轭梯度算法

为高效求解非线性方程组问题,利用凸组合技术设计一个新型搜索方向,同时结合加速线搜索技术,提出一个新的加速FR型共轭梯度算法.在合理的假设下,新算法拥有全局收敛的良好性质.数值试验结果表明,新算法总体上优于经典FR算法和三项FR算法.新算法继承了修正FR方法的良好数值效果、充分下降性及信赖域特征,并具有计算简单和存储量小...     

非线性ABS系统全局滑模控制律设计

传统的ABS系统等速趋近律滑模控制器存在滑移率抖振和鲁棒性差的问题,本研究提出了一种改进的指数趋近律,即通过增加自然对数函数项,使系统的滑模运动在制动过程开始时即位于滑模面或贴近滑模面。应用Lyapunov稳定性判据证明了新设计控制器的稳定性。仿真验证结果表明,所提出的非线性全局滑模控制方案,其车轮滑移率保持在理想值附近,消除了抖振现象,提高了控制系统的鲁棒性和车辆的制动性能。     

一类非齐次拟线性双曲型方程组混合初边值问题的整体经典解

考虑半无界区域{(t,x)|t≥0,x≥0}上的一类拟线性双曲型方程组的混合初边值问题.假设正特征弱线性退化,方程右端项满足匹配条件,可以得到慢衰减小初值问题C1解的整体存在性和唯一性.     

一种新的时滞细胞神经网络全局渐近稳定性准则

研究了一类具有时滞的细胞神经网络全局稳定性问题。首先,提出所研究的时滞细胞神经网络模型、系统激活函数所需满足的条件及本文需要用到的引理。然后,将所研究的系统通过一个等式进行线性变换,在定义一个与系统相关的积分操作基础上讨论时滞细胞神经网络的全局渐近稳定性。与早期的文献结果相比,本文所得结果具有更少保守性,并且该条件是与时滞相关的。本文所得到的稳定性准则可以很容易地求出系统稳定的时滞上界,进而可以很容易得到时滞无关稳定性结果。最后,用一个数值例子证明本文所得的稳定性条件是有效的。     

一种改进的推广近中心点算法

考虑变分不等式问题,基于D.Han(2003)提出的推广近中心点算法,通过改进算法的投影区域,提出了求解变分不等式问题的一种新的推广近中心点算法.该算法具有如下特点:算法产生的迭代点列关于初始点具有扩张性质;如果变分不等式问题有解,则算法产生的迭代点列的极限点就是初始点到问题解集上的投影;在适当的假设条件下,算法具有全局收敛性.最后,给出了该算法的初步数值试验结果.     

基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。