基于RSSI&DFP的无线传感器网络声源目标定位算法

声源目标定位是无线传感器网络应用研究的一个重要问题,如何在传感器节点随机分布的条件下对目标进行快速定位,并保证较高的定位精度是定位问题的一个难点,基于二维空间中声音信号传播时的能量强度指示(RSSI)将声源目标的定位问题转化为似然函数的最优化问题,利用最优化理论中的DFP方法求出目标位置的全局最优解。仿真结果表明,算法达到了快速准确的要求,具有一定的实际应用价值。

基于DFP算法的小尺度微震定位方法研究

针对小尺度微震活动监测的需要,本文基于DFP优化算法以传感器监测到时和计算到时的残差平方和最小为目标函数来进行微震震源位置定位,并对该方法进行了计算机数值仿真。仿真结果表明,DFP算法可用来进行地震定位,其定位结果受计算初值影响较小,而受走时误差和波速误差影响较大。通过野外微震观测实验研究,证明DFP法定位精度较高,适用于小尺度微震活动定位分析。

改进的DFP优化方法及其在位移反分析中的应用

在常规的DFP方法中引入改进的牛顿迭代下山法,从而在DFP方法中无需执行一维搜索,也可使得初始点不断地向最优点收敛,进而得出最优值。与此同时,还在此方法中采用了数值精度高的理查得外推法公式求梯度。改进后的DFP方法与常规的DFP方法在数值试验和工程应用中进行比较,其对比结果表明:该方法具有更好的数值稳定性、更快的收敛速度及更高的优化结果可靠度。

Goldstein线搜索下DFP算法的全局收敛性

在一定的条件下 ,对于一致凸的目标函数 。

基于Memetic框架和改进DFP局部搜索的改进差分进化算法

为提高差分进化(DE)算法对性连续优化问题的求解能力、增强算法的适应性,提出了一种基于局部快速收敛算法的Memetic进化算法。改进了Davidon-Fletcher-Powell方法,得到了具有强搜索能力的局部搜索算法——NDFP。当进化过程中出现具有优秀特质的个体时,NDFP可以使该个体沿着局部最优解的方向快速进化。为综合NDFP和DE的优势,提出局部搜索的执行策略来平衡全局搜索和局部搜索的关系,使得NDFP对DE的优化具有更为广泛的适应性。在CEC2005和CEC2013 Benchmark的53个测试函数上的实验结果表明,同DE/current-to-best/1、Sa DE和EPSDE算法相比,NDFP-DE进化算法具有更高的求解精度和稳定性。

基于DFP算法的BP神经网络在温度补偿中的应用

为补偿压力传感器的温度漂移,将BP(后向传播)神经网络应用于压力传感器的温度补偿中,同时应用变尺度法对BP神经网络学习算法的缺陷进行改进,采用L-M学习算法的下降方向进行搜索,有效解决了算法失效问题;采用乘以放大倍数和加上扰动项的策略,从而放大权值更新向量和权值导数更新向量,有效解决了溢出问题。仿真结果表明,该方法有效地抑制了温度对压力传感器输出的影响,提高了传感器的稳定性和准确性。

基于DFP校正拟牛顿法的傅里叶神经网络

针对傅里叶神经网络采用最速下降法导致局部极小、学习速度慢以及泛化能力差的问题,提出一种基于DFP校正拟牛顿法的新学习算法。该算法计算复杂度低,能保证网络具有良好的泛化能力和全局最优性。通过2个数值算例检验该算法,同时和BP神经网络以及另外2种傅里叶神经网络作比较。结果表明,该算法计算复杂度约为最速下降法的5%,为最小二乘学习算法的80%,具有较好的泛化能力。

DFP优化的数据点渐进迭代拟合方法

DFP方法(由Davidon,Fletcher和Powell 3人共同提出)是求解无约束优化问题的一种经典方法,文中指出数据点的拟合问题可转化为无约束优化问题的求解,并基于DFP优化方法给出了一种大规模数据点拟合方法,称之为DFP渐进迭代拟合方法.文中证明了该方法生成的极限曲线为初始数据点的最小二乘拟合曲线;它承袭了经典最小二乘渐进迭代逼近算法的众多优良性质,如具备直观的几何意义、可灵活地拟合大规模数据点、初始控制顶点的选择不影响最终迭代结果等.数值实例进一步表明,同等条件下,文中方法的收敛速度明显优于现有的几种数据点拟合方法.

非凸无约束优化问题一个修正的广义DFP型拟牛顿法

对一般非凸无约束优化问题提出了一类在修正的DFP算法下的广义拟牛顿算法,证明了该算法对非凸函数在Goldste in非精确线搜索下具有全局收敛性.

关于DFP算法的全局收敛性

本文讨论求解无约束最优化问题的DFP算法的全局收敛性问题。设步长满足Armijo非精确搜索条件,证明了对严格凸二次函数最小值问题,DFP算法具有全局收敛性,并且收敛速度为超线性。

求解非光滑方程的阻尼PSB方法与阻尼DFP方法的收敛性分析

提出了几种求解非光滑方程的阻厄ＰＳＢ方法及阻尼ＤＦＰ方法（即采用Ａｒｍｉｊｏ原则确定步长），并讨论了这些算法的全局收敛性及超线性收敛性。

PSO-DFP混合算法及其参数性能分析

文章结合粒子群算法全局搜索和拟牛顿法局部精细搜索的特点,提出了一种PSO-DFP混合算法。采用标准测试函数对该混合算法的某些参数进行了分析,并给出了一些选取的指导性原则。

DFP优化算法在热传导反问题中的应用及其改进

通过运用反算法求解液态铝合金的有效热扩散率,介绍了DFP优化算法在热传导反问题中的应用。并且针对热传导反问题的非线性特点,在常规的DFP算法中引入改进的牛顿迭代下山法,还采用了数值精度高的理查得外推法求解梯度。计算结果表明:改进的DFP算法具有更好的数值稳定性、更快的收敛速度及更高的优化结果可靠度。

一种基于DFP方法的拟牛顿恒模算法跟踪信道变化能力的研究

本文根据信道变化快慢程度,把信道模型分成剧变信道和渐变信道。分析研究了恒模盲均衡算法(CMA)在不同的信道模型下跟踪信道变化的能力。针对于原有典型恒模盲均衡算法的性能上的劣势,结合最优化理论,提出了一种线性受限拟牛顿恒模算法,称之为LC-DFPCMA,并将它与传统的线性受限恒模算法(LC-CMA)及最小二乘恒模算法(LSCMA)进行了仿真比较。仿真结果表明,提出的LC-DFPCMA算法比LC-CMA算法能更快地跟踪信道变化且收敛效果较好;与LSCMA算法相比,算法复杂度有明显降低。

基于Armijo搜索步长的BFGS与DFP拟牛顿法的比较研究

拟牛顿法是求解无约束优化问题的重要方法,采用非精确Armijo准则确认搜索步长,其中初始点的选取采用两种不同的方法:利用MATLAB工具箱中的rand命令对BFGS和DFP两种算法的初始点进行随机选取;固定选择两个不同的初始点。讨论不同的初始点选取方法对两种算法收敛效率及结果的影响,最后对两种算法收敛效果进行比较研究。结果表明:在多项式函数中,初始点的选取方法对DFP法的收敛效率有一定影响,在低次函数中,DFP法收敛效率更好,在高次函数中,使用BFGS法的收敛效果更好;在非多项式函数中,随机取点对计算结果有一定影响,选择离极小点近的点作为初始点得到的最小值更好,并且使用BFGS法的收敛速度更快。

结构设置DFPS-TMD阻尼器减震效果分析研究

根据Lagrange方程推导了结构顶部设置双滑动面摩擦摆调谐质量系统(DFPS-TMD)的动力反应分析计算公式,并根据龙格-库塔法利用MTALAB语言编制程序求解。计算结果表明:设置质量调谐系统之后,结构地震动力反应、楼层位移、层间位移、楼层速度及加速度分别减小,反映了该减震系统具有良好的减震效率与耗能效果。减震效果与滑道半径、摩擦系数和调谐质量有关。当r=1.5m,μ=0.01,M/m=3时减震效果最好。

一类改进的拟牛顿算法

在拟牛顿方程基础上,推导出一种新的DFP校正公式,并在强Wolfe步长规则下给出一类新的DFP算法。随后提出一种改进的强Wolfe线性搜索法,改善由于精度所导致的线性搜索失败的问题,并在一定假设下证明改进的算法具有全局收敛性。最后用算例来改进前后的DFP算法的性能作对比,结果表明改进的算法行之有效,并且具有更好的收敛性。

旋转起重机建模及负载摆动的最优控制

目的通过建立旋转起重机的数学模型,了解负载摆动的机理,从而实现对该摆动的最优控制.方法利用空间几何关系及牛顿力学原理建立数学模型,经实验结果与仿真结果的比较验证模型的精确性,并利用DFP法进行最优控制量的计算.结果最优控制计算结果表明,当负载运行轨迹在水平面的投影为直线时,控制效果最佳,负载的残留摆动被有效抑制.结论旋转起重机采用直线搬送方式时,消除了离心力的作用,从而使负载在搬送过程中的摆动最小,并在到达目的地时完全停止摆动,是一种十分有效的运行方式,对实际生产过程具有指导意义.

土体邓肯-张非线性弹性模型参数反演分析

针对邓肯 -张土体的非线性 -弹性模型 ,本文用变尺度法编制了优化程序 ,对该模型参数进行参数识别 ,结合工程算例进行验证 ,并进行了反馈分析。结果表明变尺度法是一种很好的约束优化算法 ,其收敛速度快、准确性高 。

结构优化中的海森矩阵的近似迭代方法

为了避免在结构优化中近似计算目标函数和约束函数的二阶泰勒展开式时计算海森矩阵,提出了只计算函数的一阶导数项计算海森矩阵逆的方法(DFP方法),这种方法省去了计算函数的二阶导数矩阵和求矩阵的逆的过程。通过对悬臂板结构的优化计算表明,该方法对结构优化问题是有效的。