ON TESTS FOR LOCAL EXTREMUM POINTS IN PROJECTION PURSUIT

ＯＮＴＥＳＴＳＦＯＲＬＯＣＡＬＥＸＴＲＥＭＵＭＰＯＩＮＴＳＩＮＰＲＯＪＥＣＴＩＯＮＰＵＲＳＵＩＴＺＨＡＮＧＪｉａｎ；ＬＩＧｕｏｙｉｎｇ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＳｃｉｅｎｃｅ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎｇ１０００８０，Ｃｈ...

基于视野和速度引导的无人机集群避障算法

在未来的多无人机(unmanned aerial vehicle,UAV)空中作战中,无人机集群在未知空域中安全飞行是集群研究中的重要内容。针对无人机集群避障以及集群形态保持问题,提出了一种基于视野和速度引导(visual field and velocity guidance,VFVG)的集群避撞算法。基于视野法设计集群自适应通讯拓扑机制,结合远吸近斥势力原则及一致性方法,在保持集群形态的同时,加速了集群无人机个体间的避障信息的传递。在此基础上,提出将极限环与人工势场法相结合构造避障速度引导项,解决了集群遇障分群困难、避障徘徊停滞等问题。引入避障时间指标,验证了算法的避障效率。仿真结果表明,该方法能够使多无人机以良好的集群形态安全快速平稳地通过复杂障碍区域,有效提高了集群避障成功率和避障效率。

快速模拟退火算法及应用

本文以广义Boltzmann－Gibbs统计理论为基础，采用依赖于温度的似Cauchy分布产生新的扰动模型，建立一种新的快速模拟退火算法。文中给出了这种条件下的接收概率和降温方式的具体计算公式。新算法可在高温情况下进行大范围的搜索，在低温时仅在当前模型附近进行搜索，而且由于似Cauchy分布有一平坦的“尾巴”，使其易于跳出局部极值，从而加快了这种模拟退火算法的收敛速度。

基于改进多目标粒子群算法的冷连轧规程优化设计

合理的轧制规程能够提高轧机的产量和产品的质量,带来显著的经济效益。采用多目标粒子群算法,选择等相对负荷和预防打滑为目标进行冷连轧规程优化。针对算法存在的收敛性和分布性难以均衡的问题,引入一种基于平行坐标系的密度和收敛潜能计算方法;同时,为克服算法易于陷入局部最优的缺陷,提出一种带个体扰动的全局最优领导粒子选择策略。仿真结果表明,该方法能快速跳出局部极值,获得具有更好收敛性和分布性的近似Pareto前沿。最后应用该方法对某五机架冷连轧机进行了轧制规程优化。

基于互信息图像配准中的局部极值问题研究

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,近年来在医学图像配准中得到广泛应用。但是当变换后像素坐标位于非采样网格点时,插值算法有时会使目标函数产生局部极值,使得最优化搜索终止于局部极值,得到错误的配准结果。分析了两种常见的插值算法和产生局部极值的原因,在此基础上提出一种新的插值算法。实验结果表明,该算法有效地抑制了基于互信息的目标函数的局部极值问题,使目标函数更加平滑。

基于混沌搜索的混和粒子群优化算法

所提出的算法将粒子群优化算法和混沌算法相结合,既摆脱了算法搜索后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性.最后通过4个测试函数将该算法与基本粒子群算法进行仿真对比,比较结果表明基于混沌搜索的混和粒子群优化算法在收敛性和稳定性等方面明显优于基本粒子群优化算法.

基于局部峰谷点插值提取心音包络的一种新方法

目的精确提取心音包络线,为心音特征的分析创造条件。方法基于局部关键点提取心音包络。首先计算信号的局部峰谷点,然后对其插值得到心音包络。结果通过分别与希尔伯特变换法、数学形态法所提取信号包络的比较,证明本方法提取的心音轮廓更加准确,突出了心音包络的时域特征。结论采用此方法能够准确地获得心音包络,为后续分析奠定了基础。

具有高斯扰动的最优粒子引导粒子群优化算法

针对粒子群算法(particle swarm optimization,PSO)收敛速度慢和早熟收敛的问题,提出一种具有高斯扰动的最优粒子引导粒子群优化算法(OGPSO).该算法通过在粒子的速度更新公式上移除自我认知部分,增加局部最优粒子控制的高斯扰动项来实现改进PSO算法.通过移除自我认知部分,使种群中的粒子主要受当前全局最优粒子引导;通过增加高斯扰动项,又提供了一种防止粒子陷入局部最优点的机制.两种改进措施相结合,既加快了收敛速度,又避免了早熟收敛的问题.在典型测试函数集上的仿真实验结果和与其它经典及新近改进PSO算法的对比实验结果,均表明本文算法有较好的寻优性能及稳定性.

具有高斯扰动的局部引导粒子群优化算法

为解决粒子群优化算法PSO存在的早熟收敛问题,提出了一种具有高斯扰动的局部引导粒子群优化算法(LGPSO)。该算法在粒子的速度更新公式上采取两种措施改进PSO:一是移除社会认知部分,使粒子仅受局部引导;二是增加全局最优粒子控制的高斯扰动项。两种改进措施相结合,可有效解决早熟收敛的问题,加快收敛的速度。本文算法通过与经典及新近改进PSO算法的多次对比实验测试,均展现出较好的寻优性能及稳定性。两种改进措施的效果分析实验测试数据和社会认知项与高斯扰动项的对比实验测试数据也进一步验证了本文算法的有效性。

基于自适应步长的果蝇优化算法

针对固定搜索步长下标准果蝇优化算法(SFOA)寻优速度慢,收敛精度不高,容易陷于局部极值的不足,通过分析果蝇个体生成机制中搜索步长与算法搜索能力的关系,提出了一种基于自适应步长的改进果蝇优化算法(FOABASS),在该算法中搜索步长随种群当前位置、当前优化代数的变化而变化,由此生成的果蝇群体具备较强的全局勘探能力,同时兼顾全局勘探能力和局部开发能力的平衡.最后给出了FOABASS算法和SFOA算法、其它几种改进FOA算法的性能比较,仿真结果表明了该算法的有效性.

图像脉冲噪声的自适应长距离相关迭代滤波法

提出一种基于局部极值噪声检测的自适应长距离相关迭代滤波算法。该算法首先采用局部极值法进行噪声检测,然后在一定的搜寻范围内计算信号点与噪声点的背景均方误差值,并以该背景均方误差值为基础采用自适应加权法进行滤波,最后将这一滤波过程进行迭代计算。实验结果表明,该算法滤波效果优于传统的滤波算法,它可以有效地去除图像中的脉冲噪声,并较好地保持图像细节信息,在噪声密度很大的情况下也表现出很好的滤波性能。

基于多尺度局部极值和边缘检测的目标性算法

目标性作为目标检测的预处理算法,用于高效提取少量可靠的目标潜在区域,可替代针对复杂特征的多尺度滑动窗的分析方式,达到提升目标检测效率的目的。该文提出了一种基于多尺度局部极值和边缘检测的目标性算法。首先,基于原始图像的多尺度梯度特征,在不同尺度下利用均值滤波得到梯度强度的局部极值,并在原始图像上还原出初始目标潜在区域;然后,通过提取图像的边缘特征,计算初始目标潜在区域的目标性得分值;最后,对得分值进行尺度加权,并结合非极大值剔除冗余区域,最终输出少量可靠的目标潜在区域。通过PASCAL VOC和ILSVRC2014数据库的实验对比,该算法给定1000个候选区时在PASCAL VOC和ILSVRC2014分别达到97%和98%以上的召回率,同时有效地提升了首框召回率。

基于变分模态分解的断路器机械故障诊断

断路器的振动信号包含了许多机械信息。为了更加精确地对断路器的故障进行识别,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和支持向量机结合的方法。首先利用局部极值法确定合适的VMD分解模态数;其次通过VMD将信号分解成多个具有紧支性的模态,计算各模态的奇异值作为特征向量,将其输入支持向量机(Support Vector Machine,SVM),训练故障模型;最后通过SVM诊断测试信号,成功对不同故障进行诊断。

基于局部极值点的音频盲水印算法

该文提出了一种新的音频水印算法。它充分利用了离散小波变换的多分辨率特性,在小波变换的细节部分搜索局部极值点,通过修改局部极值及其相邻点的幅度值,实现水印信息的嵌入。水印检测不需要参考原始音频。实验结果证明了该算法的鲁棒性和不可感知性。

基于平稳小波变换的掌纹特征提取与识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取。论文基于图像的多尺度分析的思想,提出了一种利用平稳小波的局部极值点来提取掌纹特征的方法。文中利用平稳小波变换,对图像进行不同方向的滤波,然后提取各方向的极值点并融合作为特征点。并以此为基础进行不同掌纹的匹配识别。

基于解空间划分的PSO改进算法

提出一种基于解空间划分的粒子群优化算法,该算法在保持粒子群搜索能力的前提下对解空间进行预处理,寻找最佳搜索区间,提高了粒子群搜索效率;在粒子群搜索过程中设置检查点,动态更新解空间区间划分.实验结果表明,该算法有效提高了粒子群的搜索效率,并使粒子群算法不易陷入局部极值.同时,在自适应状态下,该算法能搜寻到指定精度下粒子群所需的最小迭代次数,并得到较满意的最优值.

全局最优值引导的混沌蜂群算法

针对蜂群算法局部搜索能力差及容易陷入局部最优值的缺点,提出具有全局最优值引导的混沌蜂群算法。使用混沌序列初始化食源,增加初始解的随机性和多样性;观察蜂采用具有全局最优值引导的搜索策略,提高算法的收敛速度和全局搜索能力;在观察蜂搜索结束后,选取最优食源,对其进行混沌局部搜索,防止算法早熟,提高算法的局部搜索能力。经典函数的测试结果表明,相比其它算法,该算法能有效避免陷入局部极值,提高了算法的优化精度和收敛速度。

应用人工势场算法的智能车路径规划

针对应用人工势场算法解决移动机器人路径规划问题时会陷入局部极小点,导致障碍物附近目标不可达的情形,提出了一种新的策略,利用几何方法重新规划路径使小车快速走出局部极小值区域后,再利用人工势场算法完成路径规划。在多障碍物环境中,与边缘探测法的实验对比结果表明:该方法可有效规划出避障路径。

利用粒子滤波求解旅行商问题

针对现有优化算法求解旅行商问题(TSP)时容易陷入局部极值的缺点,提出一种基于粒子滤波的优化搜索算法,该算法将TSP最优路径的搜索过程看成是一个动态时变系统。阐述了利用粒子滤波求解TSP最优路径的基本思想,给出了该方法的具体实现步骤。为了增强算法跳出局部极值的能力,在采样过程中引入了遗传算法的交叉和变异操作来丰富样本的多样性。最后为了验证新算法的有效性,进行了仿真实验,结果表明基于粒子滤波的优化算法能够找到比其他优化算法更好的解。

一种增强型的粒子群优化算法

针对粒子群优化算法在进化后期容易陷入局部最优的缺点,提出了一种增强型的粒子群优化算法,即当粒子陷入局部极值点时,从增强粒子的自我学习能力,增强种群中其他相关粒子探索新区域的能力和增强粒子之间的信息交流三个方面来增强算法的寻优能力。数值实验结果表明,新算法具有很好的寻优性能。