一种新的混合共轭梯度算法

根据现有的共轭梯度算法,提出了一种新的求解无约束优化问题的混合共轭梯度法.在每一步迭代过程中,新算法总是能生成一个充分下降方向.在Wolfe线搜索下,提出的算法具有全局收敛性.数值实验表明该算法具有良好的计算性能.     

一类修正的 FR 型谱共轭梯度法

提出了一类WFR型谱共轭梯度法,并且该算法在任何线搜索下都具有充分下降性.在标准Wolfe线搜索下,证明了新算法具有全局收敛性.数值实验结果表明新算法优于VFR法.     

保守修正BFGS算法及全局收敛性

基于新拟牛顿方程,提出一类保守修正BFGS算法.该算法的特点是：即使当目标函数是非凸函数时,该算法仍然是全局收敛的.在适当的条件下,该算法具有局部超线性收敛性.初步的数值实验表明,该算法是有效的.     

基于种间竞争的遗传算法的改进

提出基于种间竞争的基本遗传算法的改进算法,并编写程序实现该改进算法.通过考核实例计算,发现改进后的算法具有更强的鲁棒性.     

分类规则挖掘算法综述

分类规则挖掘是数据挖掘中一个重要的研究领域.通过介绍当前数据挖掘中具有代表性的分类算法,总结了各种算法的优缺点,给出了分类算法的应用以及分类算法面临的挑战,并对分类算法的发展方向进行了展望,为使用者选择算法或研究者改进算法提供了借鉴.     

基于改进差分进化算法的含风电场的电力系统无功优化

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优的缺点,提出了改进的差分进化算法.在基本差分进化算法中,融入递增二次函数交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.仿真算例表明:改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性.     

一般约束优化问题的S Q P方法及其收敛性

提出求解一般等式和不等式约束优化问题的SQP算法,在适当的假设条件下,证明算法具有全局收敛和超线性收敛速度.数值试验表明该算法是有效的.     

一种基于子种群带多亲体杂交的微粒群算法

提出一种改进的微粒群算法XSPSO,使用子种群来决定各个个体的邻域.引入基于邻域的多亲体杂交,引导各个微粒飞向不同的山峰的同时搜索其他山峰.从实验的结果来看,该算法具有较强的搜索能力和较好的稳定性,且精度较好.该算法用于多峰函数优化具有较佳的效果.     

两类Armijo-type线搜索下的PRP新算法

给出了新的PRP算法,该算法具有充分下降性和在无需任何线搜索的情况下自动保持搜索方向在可行域的特性,而且该算法在非凸函数和一致凸函数上具有全局收敛性,最后证明了新算法的线性收敛速度.     

基于纠错码的PDF文档数字水印算法

针对PDF文档的结构特点,研究并提出一种新的大容量高鲁棒性的文本数字水印算法.在不改变原PDF文档任何可见属性的前提下,利用PDF文档自身的语法和结构特征嵌入水印信息.算法采用提取文档字符特征码的方法形成的水印,具有较好的唯一性和随机性.同时结合纠错编码和公钥密码算法提高水印的鲁棒性和安全性.实验表明,该数字水印算法具有良好的不可感知性,在确保较大容量的同时仍具有较强的鲁棒性,很好的协调不可感知性、数据容量和鲁棒性三者之间的矛盾.     

修正共轭投影梯度滤子法

利用共轭投影梯度技术,结合滤子算法的思想,通过修正搜索方向,建立了一个新的共轭投影梯度滤子算法.该算法不需要求解二次规划子问题,而且能有效避免常规滤子算法中的恢复算法.在适当的条件下,证明了算法的全局收敛性.     

求解大规模非光滑优化问题的一种修正Hestenes-Stiefel共轭梯度算法

利用Moreau-Yosida正则化技术和非单调线搜索技术,设计了一种针对大规模非光滑优化问题的修正Hestenes-Stiefel共轭梯度算法.该算法的搜索方向不仅自动满足充分下降条件,而且属于信赖域.在适当条件下,新算法全局收敛.初步的数值实验也表明新算法对于求解大规模非光滑无约束凸优化问题是有效的.     

双基地MIMO雷达的收发角度快速估计方法

提出一种双基地MIMO雷达的收发角度快速估计方法.该方法利用多级维纳滤波的前向递推多级分解特性获得接收信号的信号子空间,然后构造出收发角度的二维空间谱函数,同时将二维空间谱函数通过线性约束二次优化转换为两个一维的空间谱函数,从而获得目标的收发角度,且收发角度自动配对,不需要额外的配对运算.该方法避免了协方差矩阵的估计及其特征值分解,且收发角度估计只需要一维空间谱搜索,大大降低计算复杂度.仿真结果证明了该算法的有效性.     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共轭梯度法,并在一定的假设条件下建立了算法的全局收敛性理论.数值实验进一步验证了这种算法比同类算法更有效.     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

一类具有全局收敛性质的共轭梯度法

非线性共轭梯度法由于其迭代简单和储存量小,且搜索方向不需要满足正割条件,在求解大规模无约束优化问题时占据及其重要的地位.提出了一类新的共轭梯度法,其搜索方向是目标函数的下降方向.若假设目标函数连续可微且梯度满足Lipschitz条件,线性搜索满足Wolfe原则,讨论了所设计算法的全局收敛性.     

基于混沌变量的模式搜索法及其应用

提出了基于混沌变量的模式搜索法.在探索移动中,由混沌遍历性来生成移动方向和步长;在模式移动中,针对粗搜索与细搜索分别采取最优一维搜索和直接模式搜索.将全局优化能力强的混沌优化融入到模式搜索法中,且采取二级模式移动,搜索效率高.算法应用于模糊神经网络权值优化,仿真验证了其优良性能.     

一种基于双子群的改进粒子群优化算法

针对粒子群优化算法易于陷入局部最优解并存在早熟收敛的问题，提出了一种基于双子群的改进粒子群优化算法（TS IPSO)，通过2组搜索方向相反的主、辅子群之间的相互协同，扩大搜索范围，借鉴遗传算法的杂交机制，并采用惯性权值的非线性递减策略，加快算法的收敛速度和提高粒子的搜索能力，降低了算法陷入局部极值的风险.实验结果表明该算法较标准PSO算法提高了全局搜索能力和收敛速度，改善了优化性能.     

一种面向搜索引擎的基于集合模型的搜索算法

现代搜索引擎中的搜索算法已经成为影响搜索引擎效率的一个关键,通过对现有搜索引擎中搜索算法的研究分析,提出了一种面向搜索引擎的基于集合模型的搜索算法,该方法利用集合运算方便并、交运算的特点,把检索问题转化为集合运算问题,这使得建立索引的过程和检索的过程简单化。实验表明,该方法能够有效的提高搜索引擎的搜索效率。