协同共享:数据拉通实现全局最优

从目前的发展情况来看,数据质量问题严重制约了数据要素价值化的进程。企业将巨大的精力投入在数据治理、数据标准制定上,采用各种方法来约束和管控业务数据的生产、采集和利用,却往往忽视了数据其实是一个协同的工作。提升不同用户之间的协同共享,成为解决数据质量的最佳方法在数字化时代,数据被视为最基本的要素,其凭借边际成本低、规模效应大、流动性高、可复用性强等特点,正在成为引领中国高质量发展的一个新引擎。但从目前的发展情况来看,数据质量问题严重制约了数据要素价值化的进程。

基于非均衡变异离散粒子群算法的QoS全局最优Web服务选择方法

QoS全局最优的Web服务选择是NP完全问题.针对现有解决方案的不足,提出了一种改进的离散粒子群算法.该算法首先根据问题模型重新定义了粒子群算法中的位置、速度和算子操作,然后对最优粒子进行非均衡变异,并设计了非均衡变异概率函数,同时在速度和位置更新中分别采用自适应权重调整机制和局部适应优先策略.通过实验仿真,与他人工作对比结果表明,提出的算法在降低服务选择时间的同时,提高了服务选择的质量.

利用混沌搜索全局最优的一种混合算法

把共轭梯度法与混沌优化方法相结合，提出了一种混合优化算法．该算法能使共轭梯度法跳出局部最优，最终获得全局最优．算法的收敛性也进行了证明，仿真表明算法是有效的．

求解多峰性函数全局最优解的进化算法及其应用研究

本又针对简单遗传算法（SGA）在解决多峰性函数最优化问题存在的不足，提出了一种分配区间型进化算法，能够求出多峰性函数所有全局最优解及多个局部最优解。通过十几个多峰性函数与工程实例的数值实验，验证了算法的正确性。对简易海洋平台进行了疲劳可靠性优化设计为算例，取得了满意的结果。

基于序贯修正灰关联度的全局最优航迹关联算法

航迹关联是分布式多传感器航迹融合的前提。针对融合中心无法获得目标状态估计协方差的情形,该文提出一种基于序贯修正灰关联度的全局最优航迹关联算法。该算法取消数据列的区间值化,对数据列指标绝对差进行序贯积累,对灰关联系数计算式进行可交换性修正,得到各传感器航迹间的序贯修正灰关联度,以此关联度为全局统计量进行全局最优的航迹关联判决。仿真结果表明,在密集平行编队、随机交叉目标和存在非共同观测目标环境下,该算法的性能和稳健性明显优于传统方法。

基于全局最优的被动多传感器多目标轨迹关联算法

多目标轨迹关联问题是天基光学跟踪系统的核心和难点之一。传统的分布式轨迹关联方法基于目标的3维轨迹信息,不适用于被动传感器的2维轨迹关联问题。为此,该文以倾角差为统计检验量,建立轨迹统计检验模型,提出基于全局最优思想的轨迹关联算法,并用密集多目标场景进行算法的蒙特卡罗仿真。结果表明,该轨迹关联算法性能优良,可以有效完成密集目标环境下的被动多传感器多目标轨迹关联任务。

基于全局最优的快速一致性点漂移算法

目前受到广泛关注和研究的一致性点漂移(CPD)算法是一种基于高斯混合模型的点模式匹配算法,虽然该算法具有较强的鲁棒性,但其存在局部最优性和收敛速度随点集大小增加而下降等问题。针对上述问题,该文提出了一种新的基于全局最优的快速一致性点漂移算法。该算法首先将点集进行正交标准形约简,利用约简后点集的重要性质,推导出不完全观测数据的对数似然函数在全局最优解附近凸函数区域的边界值,再以该边界值为基础,采用多重初始化策略来实现全局最优。最后,提出了基于置信域的全局收敛二次平方迭代期望最大化算法,实现了全局优化算法的超线性收敛。模拟仿真与真实数据实验验证了该文算法是有效的、快速的以及鲁棒性较强的。

一个新的非圆弧滑动全局最优化算法

提出了一种新的非圆弧滑动边坡稳定分析算法,该算法直接建立在条分法的基础上。滑坡体被离散成一系列的土条之后,滑动面变成由这些土条的节点来控制。该算法的实质是随机移动这些节点,用非数值的方法如模拟退火法使滑动面的移动向潜在的最危险滑动面移动。该算法不需要设定搜索范围,不需要假定滑面形状,能够自然算出复杂几何特征和材料特性真实边坡下最危险滑动面的形状。同时由于变换过程的局部性,计算效率大为提高。计算结果表明,该算法准确找到了全局最优解,并验证了在某些情况下滑动面为圆弧状或分段直线状,或其组合形式。

基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法

针对多目标粒子群优化算法全局最优位置选取存在的缺陷和局部搜索能力弱的缺点,提出一种基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法MOPSO-GL。首先对Sigma法进行改进,引入拥挤距离机制,不再是粒子从档案中选择全局最优位置,而是档案成员从种群中选择合适的被引导粒子,引导种群均匀快速地向Pareto前沿飞行,提高了Pareto解的收敛性和多样性;其次当种群寻优能力减弱时,引入基于Skew Tent映射的变尺度全面搜索混沌优化策略对外部档案进行局部搜索,以提高算法的收敛性;最后通过与其他多目标优化算法的比较,结果表明MOPSO-GL具有更好的收敛性和分布性。

基于全局最优的生产全过程分布式预测控制

改进了基于纳什最优的分布式预测控制算法,提出了一种基于全局最优的分布式预测控制.在优化求解时考虑了各子过程间的协调.结合线性系统的动态矩阵控制(DMC)分析了算法的迭代收敛性,并与基于纳什优化的分布式预测控制算法进行了比较.仿真结果表明,算法迭代收敛于全局最优解,而不是纳什优化解.

利用偏振信息的雾天图像全局最优重构

针对雾、霾等强散射环境下相机拍摄图像严重退化的问题,提出了一种降低雾霾环境对图像质量影响的图像去雾重构方法。基于雾天偏振成像模型,分别估计图像每个区域的重构参数,获取全局最优的重构参数。利用偏振滤波的方法估计雾天大气散射光的偏振度分布,利用自适应亮通道方法计算无穷远处大气散射光的强度分布,从而重构出去雾图像。最后,利用偏振度的纹理信息对重构图像进行增强。该方法考虑了图像中不同位置大气杂散光参数的不一致性,对图像每一区域的重构参数分别运算,从而获得全局最优的重构参数图像。该方法还不要求图像必须包含天空区域,并且具有对灰度图像的处理效果较好的优点。

BP网络的全局最优学习算法

一、概述自从1985年。

一种基于帐篷映射的混沌搜索全局最优方法

利用混沌的随机性、遍历性和规律性进行优化计算,搜索全局最优,可以避免系统落入局部最优陷阱.本文将具有均匀分布函数的帐篷映射引入到混沌优化算法中,并与共轭梯度法相结合,比Logistic混沌映射确定的算法能更快、更有效地搜索到全局最优解.仿真表明该算法是有效的。

斐波那契树优化算法求解多峰函数全局最优解的可达性分析

为分析和验证斐波那契树优化算法(Fibonacci tree optimization algorithm,FTO)求解多峰函数全局最优解的算法性能,对算法的可达性问题进行研究.本文基于斐波那契法构造一个斐波那契树结构,在搜索空间中进行全局、局部交替搜索,不易陷入局部最优解.对斐波那契树优化算法基于该结构的可达性进行分析和证明.通过跟踪算法求解过程中坐标点的累积分布仿真实验和到达率的对比实验,分析和验证了算法求解多峰函数全局最优解的可达性.

一种可寻得全局最优解的改进变异算子

文献 [1]分析了典型遗传算法不成熟收敛的起因 ,据此提出了一种改进的遗传变异算子 ,计算机仿真实验证明改进后的遗传算法能有效地克服不成熟收敛 ,进而搜索到全局最优解 .

全局最优引导的差分演化二进制人工蜂群算法

针对基本二进制人工蜂群算法开采能力弱、收敛速度慢的缺点,提出一种全局最优引导的差分二进制人工蜂群算法。算法仿照粒子群优化,将全局最优参数引入二进制人工蜂群算法中以提高开采能力;同时受差分演化算法中"交叉"操作的启发,提出多维邻域搜索方式,加快收敛速度。采用0-1背包问题进行仿真,实验结果表明与传统算法相比,提出算法不仅寻优能力增强且收敛速度明显提高。对于10维背包问题,提出算法的收敛速度比基本二进制人工蜂群算法提高近10倍。

全局最优导向模糊布谷鸟搜索算法及应用

针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。

基于BOM的(R,Q)订货策略的全局最优解

探讨如何求基于BOM(B ill ofM ateria l)的随机需求的(R,Q)订货策略的全局最优解。为了解决此问题,首先,在(S-1,S)订货策略的基础上,建立基于BOM的(R,Q)订货策略的成本函数;然后,通过对成本函数性质的证明,推导出求全局最优解取值范围的方法;最后,通过枚举法在此取值范围内求出全局最优解。

一些类型的数学规划问题的全局最优解(英文)

本文对严格单调函数给出了几个凸化和凹化的方法,利用这些方法可将一个严格单调的规划问题转化为一个等价的标准D.C.规划或凹极小问题.本文还对只有一个严格单调的约束的非单调规划问题给出了目标函数的一个凸化和凹化方法,利用这些方法可将只有一个严格单调约束的非单调规划问题转化为一个等价的凹极小问题。再利用已有的关于D.C.规划和凹极小的算法,可以求得原问题的全局最优解.

一种新的收敛于全局最优解的遗传算法

提出了一种新遗传算法 ,其特点是增加了复原、重构和录优等三种新操作 ,据以产生一组有界单调的适应度值数列 ,实现全局优选 ,在搜索过程保持完备随机性的前提下收敛于全局最优解 .文中列举了一些应用算例 。