基于全变分展开的低剂量CT重建网络

针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题,通过对基于全变分的CT迭代重建算法进行神经网络展开,提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络,从而改善了CT重建图像的视觉质量。首先,采用原始–对偶算法求解基于全变分的CT重建问题,得到易于神经网络展开的迭代重建算法。然后,对该迭代重建算法进行神经网络展开,尤其是对正则项部分的算法进行神经网络展开,得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明,与6种低剂量CT重建算法相比,该算法在抑制低剂量CT图像噪声的同时,很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示,该算法取得了良好的峰值信噪比和归一化均方误差指标值,验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。

虚拟网映射竞争算法设计与分析

对网络虚拟化技术中的虚拟网映射问题及其研究现状进行了介绍,针对虚拟节点映射已知且物理网不支持路径分割的虚拟网映射问题,提出以物理网提供商收益最大化为目标的虚拟网映射竞争算法,并给出了算法的竞争比分析。实验表明,所提出的算法能提高物理网资源的负载均衡度和利用率,从而提高了虚拟网构建请求的接受率和物理网提供商的收益。

基于原-对偶内点法的化工过程优化算法

在基于积极集SQP的拟序贯算法研究基础上,提出了基于原-对偶内点法的拟序贯化工过程优化算法。拟序贯算法分为模拟层和优化计算层双层。模拟层中使用正交配置法同时离散状态变量和控制变量,变量的边界约束加于配置点上。同时,每次NLP迭代均求解离散DAE系统,消除等式约束和状态变量,从而减小NLP问题的规模。最新研究表明,在大规模优化问题中内点法相对于积极集SQP算法具有明显优势,因此,优化计算层中用原-对偶内点法来求解NLP问题。使用FORTRAN语言独立编写了整个算法程序,并通过热集成精馏系统最优控制的动态优化问题验证了算法的有效性。结果显示,该算法具有求解大规模动态优化问题的能力。

最优协调电压控制准稳态模型及其直接动态优化方法

根据准稳态模型,将协调电压控制问题表示为含连续–离散时间的微分–代数方程约束的最优控制模型,并采用现代最优控制理论中的直接法求解该动态优化问题。利用排列法将研究时间段划分为有限个区间,将所有状态变量、代数变量和控制变量在每个区间内用一系列多项式近似,从而将动态优化问题转化为非线性规划问题。为考虑有载调压变压器变比、可投切电容器组以及负荷切除的离散控制特性,引入二次罚函数处理离散变量,并采用非线性原对偶内点算法求解模型。从新英格兰10机39节点系统的仿真结果看出,该方法能求出有效控制以增强系统的长期电压稳定性。

应用线搜索滤波器内点法求解最优协调电压控制问题

基于准稳态模型,协调电压控制问题表示为含连续-离散时间的微分-代数方程约束的最优控制模型。采用直接动态优化方法求解该代数-微分方程优化问题。利用Radau排列法将研究时间段划分为有限个区间,将所有状态变量、代数变量和控制变量在每个区间内用一系列多项式近似,从而将动态优化问题转化为非线性规划问题。引入一种改进的原对偶内点法求解该非线性规划模型。基于线搜索滤波器的内点法有着良好的收敛性能,能快速获得最优解。从IEEE 17机162节点系统的仿真结果看出,该方法能求出有效控制量以增强系统的长期电压稳定性。

主动配电网双层实时优化博弈研究

随着分布式电源(DG)的广泛接入及配电侧市场改革的不断深化,DG运营商成为配电网中新增的利益主体,研究DG运营商作为独立主体参与下的配电侧市场交易和竞价机制具有重要意义。文中构建了一个考虑DG运营商和配电公司不同利益主体需求的双层交易模型。该模型的上层为配电网购电策略的制定,下层为DG运营商根据配电公司购买电价所做出的出售功率响应。上层以电网的安全经济运行为目标,决策变量是从上级主网购买的电量,向分布式电源制定电价和负荷中断量;下层以DG运营商的经济收益最大化为目标,决策变量为DG运营商的最优出力。考虑到双层模型的耦合性,文中利用原始-对偶算法将双层优化模型转化为单层模型,并将非线性潮流约束进行二阶锥转化。算例分析表明所述模型可以反映主动配电网与DG运营商的利益博弈关系,并有效指导双方交易电价的确定。

凸规划内点算法在连杆机构优化设计中的应用

提出一种非线性原－对偶内点凸规划算法，并用这种优化方法解决机构优化设计问题．该算法已编写成计算机程序，并在ＩＢＭＰＣ／ＡＴ－４８６计算机上考核通过．数值实验结果和实际机构优化设计应用均显示，该算法具有所得到的解可靠（对于凸规划问题，解都是内点）、迭代次数和函数调用次数都比较少等优点．

局部自适应Chan-Vese图像分割模型

经典的Chan-Vese(CV)模型不包含图像的边缘信息,当图像的目标或背景较为复杂时,分割效果并不理想.针对该问题,本文通过结合图像的局部信息对CV模型进行改进,并运用K均值聚类方法计算图像目标和背景区域的灰度均值.其次,在本原对偶理论(primal dual scheme)框架下,本文提出了模型的一个等价形式,并使用半隐式梯度下降法快速求解.实验结果表明,本文模型对合成图像和自然图像都有较好的图像分割效果.

REDUCED BASIS METHOD FOR PARAMETRIZED ELLIPTIC ADVECTION-REACTION PROBLEMS

In this work we consider the Reduced Basis method for the solution of parametrized advection-reaction partial differential equations. For the generation of the basis we adopt a stabilized finite element method and we define the Reduced Basis method in the ＂primal- dual＂ formulation for this stabilized problem. We provide a priori Reduced Basis error estimates and we discuss the effects of the finite element approximation on the Reduced Basis error. We propose an adaptive algorithm, based on the a posteriori Reduced Basis error estimate, for the selection of the sample sets upon which the basis are built; the idea leading this algorithm is the minimization of the computational costs associated with the solution of the Reduced Basis problem. Numerical tests demonstrate the efficiency, in terms of computational costs, of the ＂primal-dual＂ Reduced Basis approach with respect to an ＂only primal＂ one. Parametrized advection-reaction partial differential equations, Reduced Basis method, ＂primal-dual＂ reduced basis approach, Stabilized finite element method, a posteriori error estimation.