Coherent beam combining of hybrid phase control in master oscillator-power amplifier configuration

A novel scalable architecture for coherent beam combining with hybrid phase control involving passive phasing and active phasing in master oscillator-power amplifier configuration is presented. Wide-linewidth mutually injected passive phasing fibre laser arrays serve as master oscillators for the power amplifiers, and the active phasing using stochastic parallel gradient descent algorithm is induced. Wide-linewidth seed laser can suppress the stimulated Brillouin scattering effectively and improve the output power of the fibre laser amplifier, while hybrid phase control provides a robust way for in-phase mode coherent beam combining simultaneously. Experiment is performed by active phasing fibre laser amplifiers with passive phasing fibre ring laser array seed lasers. Power encircled in the main-lobe increases1.57 times and long-exposure fringe contrast is obtained to be 78% when the system evolves from passive phasing to hybrid phasing.

一种基于混合误差梯度下降算法的过程神经网络训练

针对过程神经网络(PNN)单一训练算法自适应调整能力差、缺乏对学习性质有效控制的问题,提出一种梯度下降与牛顿迭代相结合的求解算法——混合误差梯度下降算法.在训练初始阶段,基于网络训练目标函数,采用梯度下降法进行迭代寻优,只需计算目标函数一阶导数数值公式,复杂度低且误差下降快;当梯度下降法学习效率降低时,引入牛顿迭代法,并将梯度下降法的训练结果作为初始参数代入目标函数,使问题转化为求解非线性方程组,不需要一维搜索而提高网络训练效率.通过学习效率分析自适应调节两种算法的切换,直至满足停机条件.将其应用于时变信号模式分类,实验结果表明,该算法较大地提高PNN训练效率.

求解一类无约束优化的混合遗传算法

目的求解一类无约束优化问题。方法结合传统优化算法局部寻优能力强、收敛速度快,而遗传算法在搜索过程中不易陷入局部最优的两种算法的特点,给出了一种基于最速下降法的混合遗传算法。结果算例表明所设计的算法是有效的。结论算法可以提高局部搜索能力,提高解的精确度,搜索速度。

混合流水车间调度的遗传下降算法

针对混合流水车间调度问题 (Hybrid Flow Shop Scheduling,HFSS)建立了混合整数规划模型 ,提出了遗传下降算法 (Genetic Descent Algorithm,GDA) .GDA与 HFSS工件在机器上最优分配规则相结合 ,不但能够产生初始可行解 ,而且保证交叉和变异后解仍然可行 ;同时在遗传算法中嵌入邻域下降策略 .为了验证 GDA算法的有效性 ,随机产生了 2 30组数据进行实验 .实验结果表明 :对于 HFSS问题 ,在小规模情况下 ,GDA算法与最优解之间的平均偏差为 0 .0 1 % ;对于较大规模的情况 ,GDA比 NEH算法平均改进 1 0 .45% .

NLOS环境下无线通信网络中的TDOA/AOA混合定位算法

为了提高在NLOS条件下无线定位的精度,采用多种测量值混合定位的方式,提出了一种TDOA/AOA最速下降混合定位算法.该算法以加权残差平方和为目标函数,以最速下降算法为最优化方法.然后,以几何结构的单反射圆盘模型进行仿真,分别利用TDOA/AOA最速下降混合定位算法、TDOA/AOA泰勒级数混合定位算法以及单纯的TDOA泰勒级数经典算法对无线通信网络中不同的定位环境进行了仿真计算.仿真结果表明,当参与定位的基站数目分别为3,4,5,6,7,反射圆盘半径分别为200,300,400,500,600,700m时,与后2种算法相比,TDOA/AOA最速下降混合定位算法的均方差、平均误差及最大误差均较小,即该混合定位算法具有更高的定位精度,且参加定位的基站数目越多,这种优势越明显.

自适应混合滤波算法在微型飞行器姿态估计中的应用

针对低成本惯性测量单元(IMU)存在漂移和噪声干扰等问题,提出了一种具有自适应参数调节的混合滤波算法。采用四元数法进行系统模型的描述,用梯度下降法对加速度计测得的数据进行处理,再通过互补滤波器将其与陀螺仪测量值进行融合,形成混合滤波算法。同时,考虑到飞行姿态的复杂性,进行参数λ的自适应调节,因而改进后的混合滤波算法,能保证各种飞行姿态变化情况下实时姿态的最优估算。实际系统在线实时性能测试表明,提出的算法简单,估计精度高,易于在嵌入式系统中实现,具有较高推广应用价值。

基于混合学习算法的RBF神经网络主蒸汽温度控制

针对火电厂主蒸汽温度的大迟延、模型不确定性特点,提出一种使用径向基(RBF)神经网络整定PID串级主蒸汽温度控制策略。采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBF神经网络,在线辨识被控对象并对PID主控制器参数进行在线调整。仿真结果表明,基于混合学习算法的RBF神经网络PID控制器具有控制精度高、响应速度快的优点,系统动态品质优于常规算法的RBF神经网络PID控制。

PRS-XY型混联机构的正运动学解析

针对PRS-XY型混联机构,进行了正运动学解析,列出了正运动学的非线性方程组,运用最速下降数值计算方法,采用数值与解析相结合的方法求解。并用理论值验证了结果精确性。

基于混沌优化和最速下降法的一种混合算法

将混沌优化和最速下降法有机地结合起来,构造出一种混合优化算法,该算法既具有混沌优化算法的全局收敛性,又有最速下降法的快速收敛性,数值试验表明算法是有效的。

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.

改善遗传神经网络收敛性的研究

针对BP神经网络中采用的梯度下降法局部搜索能力强、全局搜索能力差和遗传神经网络中采用的遗传算法全局搜索能力强、局部搜索能力差的特点,提出了一种集梯度下降法和遗传算法优点为一体的混合智能学习法(HybridIntelligencelearningalgorithm),简称HI算法,并将其应用到优化多层前馈型神经网络连接权问题。对该算法进行了设计和实现,从理论和实际两方面证明混合智能学习法神经网络与BP神经网络和基于遗传算法的神经网络相比有更好的运算性能、更快的收敛速度和更高的精度。

基于多值编码GA-BP混合算法的板形板厚综合预测控制

为克服BP神经网络存在的收敛速度慢、易于陷入局部极值等不足,提出了可以同时优化BP神经网络的结构和参数的基于多值编码方式的嵌入梯度下降算子的混合遗传算法(GA-BP).并在此基础上针对板形板厚综合系统(AFC-AGC)具有强非线性、强耦合而难以建立精确的数学模型的问题,设计了基于BP网络板形板厚综合预测模型,引入了反馈校正的方法来提高板形板厚控制系统的抗干扰能力.仿真结果表明,该模型可以实现板形板厚的精确控制,为热连轧板形板厚综合控制提供了一个新的有效的方法.

基于局部搜索技术的混合遗传算法

针对基本遗传算法(SGA)容易过早陷入局部最优解及其后期局部能力差的缺点,提出了一种带有局部搜索技术的混合遗传算法(HGA),将一种局部搜索技术加入到遗传算法(GA)中,这种局部搜索技术,即设定一种选择机制,有选择地使用最速下降法,并用来判断算法是否收敛的情况.将基本遗传算法(SGA)和一种带有局部搜索技术的混合算法(HGA)进行数值结果比较,说明了该算法具有较高的效率和良好的性能.

基于混合算法的通信用户规模预测方法研究

准确地对通信用户规模进行预测对于通信运营商的决策具有十分重要的意义,而现有的常规预测方法存在预测误差较大、预测速率低等问题。研究一种基于RBF神经网络的通信用户规模预测模型。为了使得RBF神经网络算法预测性能更优,使用梯度下降算法与遗传算法混合对RBF神经网络进行参数优化,提高预测模型收敛效率。实例分析表明,使用本文研究的混合RBF神经网络预测模型的预测结果明显优于其他传统的预测模型。同时,在预测速度上也具有较大的优势。

混合启发式算法在汽车调度中的应用

将蚁群优化和变邻域下降搜索VND相结合,形成一种混合启发式算法ACS_VND,应用于客运公司的汽车调度,求解车辆需求数和最佳路径。该算法充分利用了2种不同算法的优点。实验结果表明,算法ACS_VND能在较短时间内获得比单个算法更好的车辆调度路径。

改进的混合下降法在麦克风阵列设计中的应用

在波束形成器设计中,由于麦克风阵列定位优化过程中的非凸性问题,传统的局部搜索技术可能不会产生最优的结果。为了解决这一问题,提出了一种联合遗传算法和梯度方法的混合下降法。通过使用梯度方法在启动点附近迅速找到最优解决方案,同时利用遗传算法避免了局部最小化,从而促进寻找更好的波束形成器设计的最优位置。实验结果表明,与其他几种常用的定位方法相比,使用混合下降方法确定的位置所设计出的波束形成器性能更好。

基于最速下降最优解参考的粒子群算法

将现代智能优化算法(微粒群算法)和最速下降法有机的结合起来,构造出一种混合优化算法,该算法既有微粒群算法的优点,又有最速下降的较高收敛性和精度,数值计算表明算法对于求解连续可微函数的全局优化问题是非常有效的。

粒子群算法结合最速下降法的混合算法

粒子群算法易于实现,具有较强的全局搜索能力,但存在局部搜索能力较差、后期收敛速度慢和易出现早熟的缺陷。传统的优化算法局部收敛速度快,但把握全局的能力差。针对以上问题,提出标准粒子群算法结合最速下降法的混合算法,并用测试函数对混合算法进行仿真测试,结果表明混合算法的优化精度和时间效率均优于标准粒子群算法。

基于最速下降法的人工免疫算法

由于人工免疫算法受到收敛速度相对较慢,局部搜索能力较弱、求解全局最优解需要的群体规模相对较大等因素的影响,本文将最速下降法与人工免疫算法结合,提出了一种新的混合算法.数值实验结果表明,该算法能够找到更优的优化结果,并且在收敛速度上明显优于传统的人工免疫算法.

一种求解函数优化的混合遗传算法

在浮点编码遗传算法中加入最速下降法,构成适于函数全局优化的混合遗传算法。混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率。由于只利用函数值信息,混合算法是一种求解函数全局优化问题的通用方法。