基于差分进化优化的约简最小二乘支持向量机

针对最小二乘支持向量回归机的解缺乏稀疏性、预测速度慢等问题,采用向量相关分析在高维特征空间约简支持向量.为使约简模型能最佳逼近原模型,提出原模型与约简模型预测训练样本的平方误差和作为新性能评价准则.为得到最优约简模型,定义了离散加法、减法和乘法算子,并将新性能评价准则作为适应度函数,采用整数编码的差分进化算法进行全局优...     

基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

应用行程时间信息反推OD矩阵的模型与算法研究

为提高OD反推的精度,提出一种新的双层优化模型,在原来模型的目标函数上加入行程时问的误差项,使更多的信息源数据可以被利用在OD矩阵反推中.采用一种能近似获得全局最优解的模拟退火算法来求解这个新模型.实例验证表明引入行程时间信息的新模型反推得到的OD矩阵解比仅利用流量信息的原模型更准确.     

解一类非线性极大极小问题的神经网络

考虑了一类非线性极大极小问题，通过将其转化为等价非线性凸规划提出了求解它的一个神经网络模型，严格证明了新模型是Lyapunov稳定的，并且在有限时间内收敛到原问题的一个精确解。与已有模型相比，新模型结构简单，更适合硬件实现。数值实验表明，该模型不仅可行而且有效。     

新的填充函数及填充函数方法

对既含有等式约束也含有不等式约束的一般规划问题,提出了一种新的填充函数及填充函数方法。通过解无约束的填充函数的局部最优解来得到原约束问题的局部最优解,该最优解比现有的解要好,最后得到该约束问题的全局最优解。     

多相图像分割的交替凸松弛优化及其Split Bregman 算法

变分水平集模型已成为多相图像分割的基本框架,其求解过程通常为计算水平集函数演化方程的稳态解,计算效率不高.为提高计算效率,本研究采用n个水平集函数划分n个区域的分段常值多相图像分割变分模型,将对水平集函数的优化问题转化为对离散的二值水平集函数的优化问题;然后将其转化为凸优化问题,再通过对结果阈值化得到原问题的解,并且本...     

多目标模糊运输问题的建模与求解

为了研究信息不完整、不确定条件下的运输问题,建立了目标函数费用系数、供应量和需求量均为三角模糊的多目标模糊运输问题(MOFTP)模型。通过选用三角模糊数的大小关系将模糊目标函数转化为传统的目标函数,同时根据模糊数的数学特征将模糊等式约束转化为对应的不等式约束,然后对转化后的目标函数和约束条件进行整合,从而建立与多目标模糊运输问题等价的多目标线性规划模型,其最优解即为原多目标模糊运输问题的最优解。最后通过具体算例,证明了模型求解方法的可行性。     

一类约束不可微优化问题的极大熵萤火虫算法

针对一类约束不可微优化问题,给出一种新混合算法。利用极大熵函数分别将非光滑目标函数和非光滑约束函数转化为光滑约束函数,构造目标函数与约束函数的增广拉格朗日函数,作为萤火虫算法的适应值函数加以优化,将其最优解近似代替原约束不可微优化问题的解,并对计算过程中参数值选取过大导致数据溢出的问题给出等效替换方案。实验结果显示,所给算法收敛速度快,数值精度高。     

分式目标函数非线性规划问题的一种解法

本文讨论了分式目标函数非线性规划问题的一种解法，它把原问题化为一系列无分式目标函数的数学规划问题，并且产生一个点列｛ｘｋ｝，｛ｘｋ｝收敛于最优解ｘ＊／／关键词     

旋流排气管内非定常几何一维流动的研究

目的为管内非定常完全气体有旋流流动的一维计算模型，校验相同定解条件下计算流体力学的数值解，需要对该数学物理模型的代数显式解析解进行扩充、方法根据蔡睿贤的研究结果，满足某个数学物理模型的一般意义的解析解有无限多，针对该模型的表达式，提出使用一种新型含有可导函数的变形加法分离变量法．结果得出满足该数学物理模型新的解析解，该解的后4套解的表达式含有任意可导函数．结论得出了满足旋流排气管内非定常完全气体有旋流流动的一维计算模型的无限多个解．给出了求解变系数一阶线性偏微分方程的新算法，即含有可导函数的加法分离变量法．理论研究表明，由加法分离变量法所得的解为自变量的任意可导函数都可满足该类方程．     

具有混杂约束的非线性优化神经网络

目的为解决一类同时含有等式约束和不等式约束的混杂约束的非线性规划问题．方法利用神经网络具有内在大规模并行运算和快速收敛特性理论,提出了一种非线性优化神经网络解决一类混杂约束的非线性规划问题．结果该模型既克服了采用罚函数方法的神经网络求解优化问题的缺陷,同时与引入松弛变量的优化神经网络相比,具有电路实现简单、计算量小和收敛速度快等特点．此外,利用能量函数对神经网络的稳定性和收敛性进行了分析,进而保证所提出的神经网络具有全局稳定性．结论通过两个数值仿真例子验证了所提出的优化网络的有效性．     

Earth slope reliability analysis under seismic loadings using neural network

σ2Z=∑ni=1(g Xi)2Var(Xi)(5)whereVar(Xi)isthevarianceofrandomvariableXi.AccordingtoEqn.(1),weobtainμZ=μF-1;σZ=σF(6)whereμFandσFarethemeanvalueandthestandarddeviationofthesafetyfactorF,respec tively.Consequently,thereliabilityindexinslopesafetyanalysiswasevaluatedasfollowsbasedontheconceptoftheFOSMmethod[1].β=μZσZ=μF-1σF(7)whereβisthereliabilityindexinslopestabilityanalysis.ThekeystepofEqn.(7)isthecalcula tionofthestatisticalmomentsofthesafetyfactor,i.e.themeanvalue(μF)an…     

一种新的混沌神经网络及其应用

提出一种新的混沌神经元模型,该神经元的激励函数由复合正弦函数和Sigmoid函数构成,通过分叉图及Lyapunov指数的计算,分析了其动力学特征.基于该模型构造了一种新的暂态混沌特征神经网络,并将其应用于组合优化问题.仿真实验结果表明了该算法的有效性与可行性.     

多速率IEEE802.11 Ad Hoc网络协议栈跨层优化

采用凸优化理论研究了Ad Hoc网络协议栈跨层优化问题.以多速率IEEE802.11Ad Hoc网络协议栈优化为例,建立其网络协议层系统模型,定义了Ad Hoc网络效用函数和性能参数约束条件,采用拉格朗日对偶分解法对该模型进行跨层分解,并运用梯度投影法获得优化问题的最优解或次优解,实现了物理层、MAC层及网络层在路由、功率分配和传输调度几方面的联合优化.数值仿真与计算结果验证了该算法的有效性和正确性.     

A new sequential learning algorithm for RBF neural networks

1IntroductionRadialbasisfunctionneuralnetworks(RBFNN)arewellsuitedforfunctionapproximationandpatternrecognitionduetotheirsimpletopologicalstructureandtheirabilitytorevealhowlearningproceedsinanexplicitmanner.Intheclassicalapproachtoradialbasisfunction(RBF)networkimplementation,thebasisfunctionsareusuallychosenasGaussianandthenumberofhiddenunits(i.e.centersandwidthsoftheGaussianfunctions)isfixedaprioribasedonsomepropertiesoftheinputdata.Theweightsconnectingthehiddenandoutputunitsareestimate…     

混沌神经网络在真空断路器结构优化中的研究

本文将混沌神经网络引入到了真空断路器结构优化设计当中。通过将混沌与人工神经网络有机的结合,形成了混沌神经网络,并利用混沌神经网络和混沌变量独特的动力学特性来求解优化问题。经过仿真表明混沌神经网络能够处理真空断路器优化设计中常遇到的如局部最小值、多优化变量、能量函数复杂等问题。     

基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

一种改进混沌神经网络及其在组合优化问题中的应用

在传统的混沌神经网络模型基础上,提出了一种改进的混沌神经网络(ICNN) .通过引入时变的输出函数增益和修正自反馈系数的表达式,使该模型可有效地控制Sigmoid输出函数图形的陡度和模型演化中混沌动态的收敛过程,从而拥有更丰富的神经动力学特性与初值鲁棒性.该模型可有效地解决一系列组合优化问题(COP) ,解决了10个与4 8个城市的TSP问题