求解高维复杂函数的遗传-灰狼混合算法

高维函数优化一般是指维数超过100维的函数优化问题,由于"维数灾难"的存在,求解起来十分困难.针对灰狼算法迭代后期收敛速度慢,求解高维函数易陷入局部最优的缺点,在基本灰狼算法中引入3种遗传算子,提出一种遗传-灰狼混合算法(hybrid genetic grey wolf algorithm,HGGWA).混合算法能够充分发挥两种算法各自的优势,提高算法的全局收敛性,针对精英个体的变异操作有效防止算法陷入局部最优值.通过13个标准测试函数和10个高维测试函数验证算法的性能,并将优化结果与PSO、GSA、GWO三种基本算法以及9种改进算法进行比较.仿真结果表明,所提算法在收敛精度方面得到了极大改进,验证了HGGWA算法求解高维函数的有效性.     

基于最小最大逼近强化学习的误差分析

在基于动态规划的强化学习中,利用状态集结方法可以减小状态空间的大小,从而在一定程度上克服了维数灾的困难,同时还可以加快学习速度。但状态集结是一种逼近方法,由此产生的问题是,状态集结后的Ｑ－ｈａｔ强化学习收敛所得的最优Ｑ值函数与集结前相应的最优Ｑ值函数会有多大的误差。为此提出了基于最小最大逼近强化学习的误差估计。     

单变量离散混合l1/H2问题

本文描述了Ｈ２性能约束下的离散控制系统ｌ１设计问题，并提出了该无穷维优化问题的一种上逼近解法，通过求解一系列的截断问题能够得到无穷维问题的次优解，混合ｌ１／Ｈ２问题最优值对Ｈ２约束连续依赖的性质也在本文得到研究。     

一种基于信念状态压缩的实时POMDP算法

针对求解部分可观察马尔可夫决策过程（POMDP）信念状态空间是NP难问题．提出一种信念状态空间压缩（BSSC）算法．将信念状态空间的高维压缩到低维，利用动态贝叶斯网络对状态转移函数、观察函数和报酬函数进行压缩。降低求解规模，达到实时决策的目的．对比实验表明，所提出的算法可以快速求解最优策略和最优值函数．     

一种优化高维函数的量子-粒子群算法

提出了一种改进的量子—粒子群算法来改善维数束缚问题。对于存在高维问题的量子—粒子群算法,引入了相互学习方法,使用多个粒子群用来优化解向量的分量,从而帮助粒子群克服维数束缚找到最优解;另外在每一次迭代过程中根据遗传算法中适应度函数对参与相互学习的粒子解的数目进行最优选取,从而有效减少了时间花费。对经典函数的测试计算表明,改进的混合算法确保了搜索精度,在时间花费上也得到了较好的改善。     

多目标优化的一种改进微粒群算法

微粒群算法是解决多目标优化问题的一个重要方法.为了多目标目标优化求解问题,常用的微粒群算法在处理多目标优化问题时,存在所得Pareto最优解集的分散性和实用性较差的缺点.针对上述问题,提出了微粒群算法的一种改进形式.改进算法引入了个体精英解集,从中选择更合适的个体最优位置.同时,在评价个体适应度时,考虑了目标函数值差异这一信息.个体对应的目标函数值差异大,则其适应度就小.这样能避免各目标函数值差异过大的最优解存在.三个典型的多目标测试函数表明,改进方法得到最优解集具有更好的分散性和实用性.测得结果证明,改进方法是有效的.     

权重信息完全未知的二维二元语义多属性群决策方法

针对群决策问题中专家权重和属性权重均未知的情形,提出一种基于二维二元语义表示模型的多属性群决策方法.首先,考虑到不同决策者对二维二元语义信息中第一维信息和第二维信息的相对重要性比重不同,提出一种能够反映出该比重变化对于二维二元语义间比较和距离测度影响的得分函数和距离公式;其次,利用得分函数和距离公式建立目标函数,依据专家意见的熵值确立约束条件,进而构建能够同时求解出专家权重和属性权重的双权重求解模型,再分别针对不同的方案依次进行求解,得到每一个方案假定为最优方案时相应的权重信息;再次,按照所提出的新方法,综合目标函数值的大小对方案进行排序与择优;最后,通过案例分析与对比验证所提方法的有效性和科学性.     

进化优化小生境遗传算法控制参数的研究

小生境遗传算法与遗传算法相比，在求解多峰函数等最优化问题上具有显著的优势，但是小生境距离参数的确定缺乏理论依据，限制了小生境遗传算法的应用。该文提出了一种求解小生境之间距离参数的新方法——基于遗传算法进化优化小生境距离参数。根据多峰目标函数的具体情况，应用遗传算法随机寻优得到若干个最优值，由这些最优值的最小欧氏距离指导小生境距离参数的取值。依据此方法确定小生境之间的距离参数，应用小生境遗传算法成功求解了Shubert多峰函数的所有全局最优值以及六峰值驼背数Back Function的所有局部极小值。     

MIMO离散时间系统混合l1/H2控制

研究了MIMO(多输入多输出)离散时间系统的混合l1/H2优化问题,该问题可描述为最优化一个传递函数矩阵的l1范数同时保证另一个传递函数矩阵的H2范数满足预定的指标.研究了最优目标函数值关于H2范数指标的连续性.证明了MIMO系统混合l1/H2控制问题最优解的存在性.由于基于标定-Q (scaled-Q)方法求解MIMO混合l1/H2问题,避免了进行零点插值运算的困难.通过求解有限维非线性规划问题可得到最优目标值的收敛的上下界.     

对无线多跳网络中VoIP数据包聚合算法的性能优化

针对聚合算法对无线多跳网络中服务质量和节点能耗之间制衡的问题,提出成本函数和分组聚合算法的性能优化方案。分析聚合数据包分组的数量对服务质量和节点能耗的影响,利用成本函数使得二者融合于同一个函数。因此,成本函数的最优值点也是二者平衡的最优值点,从而得到聚合数据包分组数量的最优值。为验证提出方案的有效性,仿真实现了该方案。仿真结果表明,该方案可以较好地优化聚合算法。     

参数修正与收敛策略融合的果蝇优化算法

传统的果蝇优化算法（Fruit Fly Optimization Algorithm,FOA）容易陷入局部最优,而且传统果蝇个体味道浓度判定值S是非负数,不能解决最优解是负数的优化问题。针对以上问题,多重改进策略被应用到果蝇优化算法中。为了解决味道浓度判定值不能是负数的问题,对味道浓度公式进行了修正;为了避免高维函数维间互扰问题,迭代优化的过程中对果蝇个体在最优值附近寻优采取逐维扰动的方法;为了避免陷入局部最优,迭代过程中加入了收敛判断因子,如果多次迭代没有改善,说明陷入了局部最优。此时,一部分果蝇个体继续在最优解附近寻优,另外一部分个体在解空间混沌扰动寻找全局最优解。收敛判断因子阈值的取值会影响优化的速度和精度,通过实验确定了收敛判断阈值。通过对测试函数结果验证表明,改进的果蝇算法比FOA算法具有更高的搜索精度和更快的收敛速度。     

基于EDA虚拟实验室中心值法的研究

提出了一种基于几何学的EDA虚拟实验室最优中心值优化算法.将一般的最大化问题转化为确定的最优中心值设计问题,同时结合宏观建模有效地解决了最优中心值设计中存在的模拟过程高代价和参数优化的低维局限性问题.     

改进的二维Otsu自动分割算法及其应用研究

针对传统二维阈值分割算法处理胃腺癌细胞显微图像计算时间长、噪声干扰严重等缺点,提出了一种改进的二维快速Otsu阈值自动分割算法。该算法通过改变二维直方图判别域的划分,快速得到最优阈值近似值,并通过引入松弛变量,估计最优阈值所在范围,加大阈值搜索步进值,最后得到最优阈值。实验结果表明,该算法能有效地减少细胞核粘连现象,大大减少了处理时间。     

移动型模块化机器人的高效重构规划方法

基于穷举思想的模块化机器人重构规划方法的计算复杂度与模块数呈阶乘关系,难以适用于模块较多的场合.为此,本文提出一种与模块数呈线性复杂度的高效重构规划方法.将重构规划问题视为最优控制问题,通过求解Hamilton-Jacobi-Bellman方程得到定义在状态空间上的值函数和最优控制律.值函数的吸引域决定了各模块对应的最优目标,而应用控制律能够得到不同状态到达最优目标的最优运动轨迹.这样既避免了考虑不同构形模块间的多种对应关系所产生的组合爆炸,同时也能得到各模块的满足运动学约束的最优轨迹.仿真试验验证了方法的可行性和计算效率.     

基于高维点云分布的最优传输问题的研究

最优传输问题是寻求相对于给定的代价函数,把一种分布转化为另一种分布的最有效的方式,其具有较为深远的价值,其中基于点云的最优传输问题更是得到广泛的关注。针对高维的点云分布的最优传输问题,利用了分片最优传输的理论及其对应的优化模型,提出一个改进梯度迭代的算法,以二维、三维点云分布为例进行数值实验,并将其与经典的方法进行比较...     

全局与局部模型交替辅助的差分进化算法

为求解实际复杂工程应用中的高维计算费时优化问题,提出一种全局与局部代理模型交替辅助的差分进化算法。利用历史样本训练全局和局部代理模型,通过交替搜索全局和局部代理模型得到模型最优解并对其进行真实目标函数评价,实现探索和开采的平衡以减少真实目标函数的计算次数,同时通过针对性地选择个体进行真实目标函数计算,辅助算法快速找到目标函数的较优解。在15个低维测试问题和14个高维测试问题上的实验结果表明,在有限的计算资源情况下,该算法在12个低维测试问题上相较于最优重启策略代理辅助的社会学习粒子群优化算法、基于主动学习的代理模型辅助的粒子群优化算法等表现更好,在7个高维测试问题上相较于高斯过程辅助的进化算法、代理模型辅助的分层粒子群优化算法、求解高维费时问题的代理辅助的多种群优化算法等能找到目标函数的更优解。     

一种基于密度函数的直觉模糊聚类初始化方法

针对基于目标函数的直觉模糊聚类方法容易陷于局部最优值的问题,提出了一种改进的密度函数初始化方法.该方法首先利用样本密度函数在较高局部密度的区域中选取c个样本,然后遍历剩余样本进行粗归类,并计算每类各维数据的平均值作为初始聚类中心.最后通过典型实例验证,该方法不仅解决了容易陷入局部极小值的问题,同时迭代次数减少,收敛速度加快,提高了聚类性能.     

基于奇异值分解和径向基函数神经网络的人脸识别算法研究

提出一种基于奇异值分解和径向基函数神经网络的人脸特征提取与识别方法,来解决人脸识别中的高维、小样本问题。该方法采用奇异值分解、奇异值降维压缩、奇异值矢量标准化和奇异值矢量排序,最后得到用于识别的奇异值特征矢量。运用基于径向基函数神经网络分类器进行人脸分类识别。在ORL数据库上进行实验和数据分析表明,该方法无论是在分类的错误率上还是在学习的效率上都能表现出极好的性能。     

l_p范数下具有等级约束的负载均衡问题

具有等级约束的负载均衡问题是不同类平行机排序问题的一个特殊情形。当目标函数为最小化机器负载向量的lp范数时,通过分析该问题的组合性质,利用目标函数的凸性得到了一个全范数2-近似的组合算法;当机器数为常数时,在固定lp范数下,构造一个辅助实例,分析输入实例和辅助实例的最优值之间的关系,利用动态规划算法求出辅助实例的最优解,进一步得到输入实例的一个近似解,其目标函数值与最优值无限接近。这些均在算法的时间复杂性方面改进了之前的结果。     

混合过滤器和封装器启发式判别籽棉成熟度

描述田间籽棉成熟度的形态结构和边界轮廓特征集存在维数灾难,其特征选择问题属于NP难题.基于交叉验证,提出了一种过滤器下浮动搜索并基于封装器停止搜索的求解算法.在训练集上以最大类可分性测量值为过滤器的评估函数启发式搜索最优l维特征子集(l=1,2,3,…),启发式规则包括最优特征组合和浮动搜索;在训练集上以Bayes分类器的误分率为封装器的评估函数对最优l维特征子集建模,模型在验证集上的平均误分率极小处产生的最优特征子集的容量为6,它们在预测集上的平均识别率为87.61％.在相关研究工作所涉及的40个数据集上验证算法的有效性,结果表明,在29个数据集上算法的分类性能好,执行效率高.