神经网络中处理鞍点的LMBP改进算法

针对目前神经网络中的Levenberg-Marquardt反向传播(LMBP)算法在训练过程中有可能迭代到鞍点的问题,提出一种能有效克服鞍点的LMBP改进算法。计算鞍点处雅克比矩阵的正特征值对应的特征向量并将其作为新的搜索方向。通过实例对比传统LMBP算法与改进LMBP算法的效果,证明改进的算法能有效地脱离鞍点并进一步收敛到极小点处。     

一种新型高效的计算机寻优算法

提出一种全新的寻找无约束最优解的计算机算法。该算法能使得目标函数梯度的模逐渐收缩到零,以达到目标函数极小化,因此命名“梯度收缩法”。它同时利用了牛顿法和共轭梯度法的优点,应用目标函数的二阶导数,收敛很快,且具有牛顿法的“二次终止”特性。但Hessian矩阵奇异时,牛顿法将无法进行下去,该文算法可以克服这个缺点且能快速确定是否收敛到一个鞍点。     

基于鞍点搜索的粘连对象图像分割方法

针对图像中不规则形状物体接触的分割问题,提出一种采用Hessian矩阵来判断分割点（即鞍点）进行粘连对象分割的方法。根据对图像进行腐蚀操作得到的三维地貌图,结合鞍点的数学特性,运用Hessian矩阵的特征值对鞍点进行搜索定位,沿经过鞍点的最大梯度路径分割粘连对象。与目前已有的几种分割算法相比,该方法具有算法简捷、分割效果好以及易于实现的特点。     

大型化工系统优化的并行算法开发

目前求解大规模化工过程优化与模拟问题时,必然面临的一个困难就是由于系统的大规模所带来的迅速增长的计算时间,解决该问题的关键在于减少求解稀收 大型线性方程组所需的时间,本文提出将一种基于并行先导表法的并行计算方法用于求解稀疏大型线性方程组,通过重排将大型短阵转化为带边块对角形式,进而可进行并行部分LU分解,算法中应用了隐主元和异常主元下限技术剔除无法参与分解的变量,将其放进接口矩阵,。从而保证处的数值稳定性,对一个常减压装置的数据校正问题应用了该并行算法进行求解,检验了算法的可行性,以此算法为核心可以进一步开发面向大型化工系统优化的并行计算算法,充分发挥分布式并行计算节省时间的优势。     

地震噪声成像系统中任务分配算法研究

建立了地脉动数据并行计算任务分配的数学模型,针对传统遗传算法对复杂问题搜索效率低、易陷入早熟收敛的缺点,根据地脉动数据并行计算中的任务分配问题的实际应用,构建了基于整数编码的单亲遗传算法,并通过优化设计算法中的变异算子提高了算法的搜索能力。实验结果表明,该算法在求解精度、全局寻优和防止过早收敛方面相对于传统遗传算法有了显著提高。     

量子谐振子蚁群算法

通过分析目前蚁群算法存在的问题和改进算法的优点,发现量子谐振子系统物理特性能够保证算法最终的收敛性.通过量子谐振子高能态到低能态的转变过程和信息素的增加过程相对应,从而更新信息素,在物理上给算法提供了理论依据.通过量子旋转门改变城市转移规则,通过泡利矩阵变异使蚂蚁有更广阔的空间.综合量子谐振子以上的优点,提出了量子谐振子蚁群算法,并在旅行商问题(TSP)上取得了较好的寻优路径.     

改进粒子群算法在乙烯收率软测量中的应用

针对粒子群算法(PSO)容易陷入局部收敛的问题,提出一种引入反动因子并结合引力定律的方法来改进算法,增强其寻优能力,该改进算法命名为:GPSO算法.该算法利用引力定律快速确定粒子的寻优方向,寻优过程中当粒子陷入局部最优时利用反动因子的引入使粒子跳出局部最优.仿真实验证明该改进算法在收敛速度和寻优能力上都取得了显著效果.最后,用改进的算法优化BP神经网络的参数,获得了乙烯裂解转化率模型,实验结果表明,基于改进算法的神经网络模型能够较好地预测乙烯裂解转化率.     

基于状态空间模型的智能优化算法及其应用

针对城市公共交通系统中公交优化调度问题的具体特征,提出一种基于状态空间模型的实数编码智能优化算法(SIA)。SIA引入遗传算法(GA)的基本理念。通过构造状态进化矩阵来指导算法的搜索方向,再通过选种池的优胜劣汰的选择机理来实现算法朝最优解逼近。将该算法与GA分别应用到公交优化调度问题中,考虑发车时间间隔的约束,建立以企业和乘客的利益最大化为目标的数学模型。实例仿真结果表明,SIA在寻优精度和计算量方面优于GA,验证了该算法的有效性。     

基于通道暗元素信息的快速单幅图像去雾方法

为了有效解决因大气颗粒吸收及散射因素带来视频图像质量下降的问题,分析并结合传统的基于暗通道先验的规律图像去雾算法的基础上,提出一种基于通道暗元素信息的快速单幅图像去雾方法。该方法首先通过计算出单像素最小分量矩阵,然后复用该单像素最小分量矩阵并行计算出其余滑窗模板下图像对应的最小分量矩阵,最后结合图像的边缘信息选择不同滑窗模板对应的场景透射系数完成对图像的去雾。实验通过与传统图像去雾算法做比较,验证了本方法恢复出的图像质量较高,解决了图像去雾处理时物体边缘附近易产生光晕的问题;避免了原始算法的软抠图处理,计算量小,能够达到实时处理的目的,便于实际应用。     

自适应免疫量子粒子群优化并行算法

提出了自适应免疫量子粒子群优化并行算法。为了克服粒子群优化算法早熟收敛以及粒子在进化过程中缺乏很好的方向指导的问题,采用了量子技术以及免疫机制,从而获得了一个自适应免疫量子粒子群优化算法。同时,针对该算法计算量大、耗时长的缺点,结合已有的并行计算技术,构造出了该算法的并行计算方法。仿真实验表明所提并行算法具有较好的性能。