聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。     

TM遥感影像植被信息提取的最佳波段组合选择——以福建省松溪至建瓯高速公路为例

以拟建福建省松溪至建瓯高速公路两侧10 km为研究区域,运用最佳指数OIF法,同时参考地物光谱特征曲线以及各波段主要应用范围,在TM遥感影像图植被信息提取过程中,探讨基于遥感技术实现植被信息提取的最佳波段组合,研究显示:145波段组合信息量最为丰富,其波段间相关性最小,为植被信息提取的最佳波段组合.在此基础上,探讨了多光谱数据中,快速、准确选取最佳波段组合,为提高植被解译的精度和工作效率提供重要依据.     

一种针对收敛性问题的改进进退法及其仿真验证

进退法是最优化方法中一种常用且简单的一维单峰试探搜索算法.针对进退法的收敛性和收敛速率展开研究,在讨论了进退法的算法原理及其实施步骤的基础上,针对原算法在某些情况不收敛的问题,提出了一种改进的进退法,将原算法每次进退迭代中的转向步长变为与前一步长和迭代次数有关的函数, 这样可以克服原算法不收敛的缺点.通过严格的理论推导证明了改进进退法的正确性,并利用实例仿真验证了其有效性.结果表明:进退法收敛速率不稳定,依不同初始参数而不同,改进进退法以降低收敛速率为代价而保证收敛性.     

抽水蓄能电站在发电工况下旋转备用效益的测算

以抽水蓄能电站各项辅助服务中最为重要一项———旋转备用辅助服务为对象,利用蒙特卡罗随机生产模拟技术,研究抽水蓄能电站最优抽水策略下发电工况下旋转备用容量的定价理论,给出了以边际成本确定旋转备用容量电价的模型方法,以及抽水蓄能电站在发电工况下旋转备用的效益模型。并结合算例说明了模型的正确性和合理性。目的在于使各厂家在发电工况下机组提供备用时能够在提供电能和提供备用之间作出合理的选择,充分体现出其容量的市场价值,使旋转备用的效益达到最优。     

D反对称矩阵反问题的最小二乘解

为了研究约束矩阵方程问题,提出了D反对称矩阵的概念,研究了D反对称矩阵反问题的最小二乘解及其最佳逼近问题;采用矩阵奇异值分解、分块降阶等方法,获得了D反对称矩阵反问题的最小二乘解一般表达式及最佳逼近解的表达式,并对其逆特值问题、线性约束方程问题给出了有解的充分必要条件,推广了文献[1]中的相关结果及应用范围.     

AR噪声参数估值误差对自适应检测器性能的影响

本文从理论上研究了采用自适应逆谱(或白化)滤波器级联匹配滤波器构成的自适应检测器的性能,着重分析了背景噪声AR参数估值误差对检测性能的影响。以两种典型的信号型式(宽带、窄带)为例的分析计算表明,这类检测器的检测性能对参数估值误差并不敏感。因而自适应逆谱(或白化)滤波器级联适当的匹配滤波器方案是一种有用的自适应检测器方案。     

损失极小的证券投资组合

投资者往往采用组合证券投资方式以分散风险，并取得适当的投资收益，该文在分析风险损失的基础上，提出一种新的证券投资组合模型，并着重运用随机最优控制求解，根据值函数和风险规避系数的定义，说明经非线性变换后的值函数满足带有风险规避系数的HJB偏微分方程，当风险规避系数无限大时，给出了证券投资最优策略。最后给出一个算例，表明带有规避系数的HJB偏微分方程可得值函数和相应的投资策略。     

自动离合器的自适应最优控制

起步工况是汽车ＡＭＴ系统自动离合器最佳接合规律研究的难点。经分析,油门开度、发动机状况,档位、载荷等是影响接合品质的主要因素。对发动机状态进行非线性参数模型自适应监测,可以有效地防止发动机熄火或失速,滑摩功和冲击度是相互制约的性能指标。本文建立综合最优目标泛函,根据极小值原理,衽最优控制,影响接合过程的参数在最佳接合规律中表达为显式形式,便于精确控制和深入分析各种因素对接合过程影响的动力学机理,通     

基于改进萤火虫算法的人群疏散仿真

基本萤火虫算法在人群疏散仿真中存在疏散速度慢、疏散路径不平滑的缺陷,针对该问题,提出一种改进萤火虫算法。借鉴微粒群算法的位置更新策略,将全局最优引入到萤火虫算法的位置更新过程。与原始算法相比,改进后的算法在收敛速度和求解精度方面有明显的提升。在搭建的3D仿真系统中,对改进后的算法进行人群疏散仿真实验。仿真实验表明,该算法能够实现人群远离危险源并最终到达目标安全区域的路径规划,仿真效果逼真。与原始算法及微粒群算法相比,该算法在提高人群疏散速度的同时,也提高了疏散路径的平滑性和稳定性。     

基于改进遗传算法的线材排样优化

针对线材排样优化问题,在分析线材排样方案数学模型的基础上,提出了基于改进遗传算法的优化求解方案。该算法设计了一种新颖的遗传算子,包括顺序交叉算子、线性变异算子、扩展选择算子。实验表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了线材排样问题。