全粒子推动野马优化算法的无人机三维路径规划

针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。

一种对称损失下逆高斯分布形状参数的Bayes估计

在加权p、q对称损失下,分别研究了逆高斯分布形状参数的Bayes估计、多层Bayes估计和E-Bayes估计,并把刀切法的思想运用到Bayes估计中,得到逆高斯分布形状参数的刀切Bayes估计的精确形式,为验证形状参数估计的合理性,运用R软件,采用随机游动Metropolis算法对所研究参数的Bayes估计、E-Bayes估计和刀切Bayes估计进行数值模拟,比较了在加权p、q对称损失、Linex非对称损失、平方损失和q-对称损失下逆高斯分布形状参数的Bayes估计的精度,结果表明加权p、q对称损失下逆高斯分布形状参数的Bayes估计的精度最高。

基于多策略融合算法的无刷直流电机控制研究

为了解决复杂情况下模糊规则难以制定的问题,在沙猫群算法基础上,融合高斯随机游走策略、麻雀算法的警戒机制及混沌映射对算法进行优化,测试表明多策略融合算法优于对比算法;对模糊规则进行十进制编码,实现算法迭代寻优;将优化方法用于无刷直流电机调速系统并进行仿真实验。结果表明,优化模糊规则后的模糊PID控制具有更好的控制性能,验证了所提模糊规则寻优方法的有效性。

基于高斯过程回归模型对一回路泄漏率的预测

工况的剧烈变化可能导致一回路系统中法兰连接部位、泵的密封面等处发生泄漏。针对准确的泄漏物理模型很难建立的实际情况,在对不可测的温度应力参数进行正态随机游走的基础上,以高斯过程回归模型为替代模型对一回路泄露率进行预测,并对替代模型的不确定性进行定量分析。结果表明,高斯过程回归模型能够方便地实现对替代模型的不确定性评估,并且在小样本容量的情况下,能够实现对一回路泄漏率较准确的预测。

基于结构张量与随机游走的图像分割算法

将结构张量与随机游走算法相结合,提出一种新的图像分割策略.算法通过分析结构张量特性,提出尺度向量的概念来计算像素间的连接权值,然后应用随机游走算法实现分割.利用尺度向量得到的权值刻画了图像局部的结构信息,更有效地实现了图像分割.此外,还提出了一种自适应各向异性的滤波函数,用以代替高斯函数对结构张量进行平滑,使所得到的结构张量可以更好地保留图像的复杂结构信息.实验表明,所提算法具有更好的分割准确性和稳定性.

从随机行走模型到磁共振扩散权重成像

目的:利用布朗运动的随机行走模型导出磁共振扩散权重成像(DWI)公式,以验证随机行走模型对磁共振扩散权重成像的适用性。方法:从布朗运动的随机行走模型出发,分析存在梯度磁场情况下质子的扩散行为,计算梯度磁场对扩散运动中质子进动相位相散的积累,从而用统计方法算出在梯度磁场和扩散两个因素作用下导致的信号衰减,最后结合扩散成像序列导出磁共振扩散权重成像的信号强度公式。结果:证明了扩散运动中质子进动相位相散的积累符合高斯分布,导出了扩散所致信号衰减与梯度磁场及施加时间的关系,并进一步导出了脉冲梯度自旋回波序列(PGSE)的扩散权重成像公式——Stejskal-Tanner方程。结论:在磁共振扩散成像中人体水分子的扩散运动可视为随机行走。通过施加运动探测梯度(MPG)磁场,可将组织中水分子的扩散能力反映到图像亮度上。虽然Stejskal和Tanner也曾利用存在扩散和梯度磁场情况下的布洛赫方程导出了Stejskal-Tanner方程,但本文直接从随机行走模型出发导出该方程,为磁共振扩散权重成像的微观基础提供一个新的视角。

一种刻划浮动汇率的模型:增量一分数高斯噪声(I-FGN)过程

为了描述汇率变动之间的远程相关行为，本文提出了刻划浮动汇率的一种新模型并给出了具体的建模方法，实验结果说明该模型是有意义的．

基于最优高斯随机游走和个体筛选策略的差分进化算法

针对差分进化算法开发能力较差的问题,提出一种具有快速收敛的新型差分进化算法.首先,利用最优高斯随机游走策略提高算法的开发能力;然后,采用基于个体优化性能的简化交叉变异策略实现种群的进化操作以加强其局部搜索能力;最后,通过个体筛选策略进一步提高算法的探索能力以避免陷入局部最优.12个标准测试函数和两种带约束的工程优化问题的实验结果表明,所提出的算法在收敛速度、算法可靠性及收敛精度方面均优于EPSDE、Sa DE、JADE、BSA、Co Bi DE、GSA和ABC等算法,在加强算法探索能力的同时能够有效地提高算法的开发能力.

关于高斯随机游动之Shepp统计量的极值的一些渐近结果(英文)

设{x_i∶i≥1}是一列独立的标准化的服从正态分布的随机变量序列,令S_k=∑_(i=1)~kX_i,S_0=0为相关的高斯随机游动.当T是一正的独立于{X_i∶i≥1}的随机变量时,获得了Shepp统计量之极值M_T^(N)=max(k+L-1)-S_(k-1))的尾渐近展开.同时也证明了M_T^(N)的几乎处处极限定理.

基于双尺度分解与随机游走的多聚焦图像融合方法

为了较好地平滑边缘区域,避免边缘衔接处产生伪影,提出了一种基于双尺度分解与随机游走的多聚焦图像融合方法。首先,将源图像利用高斯滤波分解为大尺度与小尺度聚焦图,对分解得到的大尺度和小尺度聚焦图采用不同的引导滤波对其边缘进行平滑;然后,将大尺度与小尺度聚焦图作为随机游走算法的标记节点通过融合算法得到初始决策图,并再次使用引导滤波对决策图进行优化;最后,根据决策图对源图像进行重构,得到最终融合图像。实验结果表明,所提方法较好地获取了源图像中的聚焦信息,更好地保留了聚焦区域的边缘纹理及细节信息,在主观评价和客观评价指标方面均取得了更优的效果。