快速Metropolis-Hastings变异的遗传重采样粒子滤波器

为了解决传统粒子滤波器粒子退化与贫乏问题,提出了快速变异的遗传重采样粒子滤波算法。该算法将快速Metropolis-Hastings(MH)移动作为遗传算法的变异算子,使得快速变异算子与传统交叉算子、传统选择算子组合为一种新的粒子重采样算法。快速MH变异能对粒子进行移动,使得粒子的稳定分布为目标的后验概率密度分布。快速变异能有效解决一般变异算法易发散的问题,可以更快地提取到反映目标概率特征的典型粒子。实验证明,基于快速MH变异的遗传重采样方法可以快速提高粒子的多样性,避免粒子退化,减小跟踪误差。

基于Metropolis-Hastings算法的α稳定分布参数估计

针对α稳定分布参数估计问题,提出了一种基于MCMC动态模拟的参数估计方法。该方法根据贝叶斯理论建立在α稳定分布层次模型的基础上,利用Metropolis-Hastings抽样方法生成Mark-ov链,在贝叶斯框架下将所有待估计参数视为随机变量,利用后验分布实现稳定分布参数的同时估计,给出了新方法的迭代更新过程,并推导了接受概率的计算公式。理论分析和仿真结果表明,该方法能准确地估计出α稳定分布的4个参数,实现了任意对称或非对称α稳定分布的参数估计。

基于量子退火Metropolis-Hastings算法的叠前随机反演

传统的Metropolis-Hastings(MH)算法是一种常见的随机反演方法,可以得到大量来自于后验分布的样本,从而得到更可靠的参数估计和反演结果的不确定性信息,但对于较为复杂的参数空间,MH算法往往不能对其充分搜索。为此,针对该问题提出了基于量子退火MH算法的叠前随机反演方法,主要通过调节算法的接受概率提高算法的计算效率和稳定性。模型试算与实际数据反演结果表明,相较于传统的MH算法,该方法具有更高的收敛效率。

基于差分进化-自适应Metropolis算法的桥梁工程研究

提出1种结合差分进化-自适应Metropolis算法(DREAM KZS)和克里金模型的多链贝叶斯模型更新框架。该框架融合敏感度分析以减少参数维度并便于参数选择。此外,利用克里金模型来节省计算成本。该框架还采用DREAM KZS算法与多采样策略,通过考虑模型参数、测量和模型输出之间的交叉协方差来增强后验分布的探索效率。通过增加样本多样性同时减少并行链的数量,实现快速准确的模型更新。结果表明通过对简支梁的数值研究,验证DREAM KZS算法的收敛速度和精度,提出的DREAM KZS贝叶斯模型更新框架在六跨铁路高架桥的模型更新应用中表现出优异的性能,由于需要重复的模型评估,高度耗时和高保真度的有限元模型阻碍有效的模型更新。

基于Metropolis判别准则的遗传算法

针对遗传算法在应用过程中出现的过早收敛问题，引入Ｍｅｔｒｏｐｏｌｉｓ判别准则对复制算子加以改进，并从理论上对遗传算法的收敛性进行分析。仿真结果证明了该算法解决过早收敛问题的有效性。

基于Metropolis遗传算法的并联机器人结构优化设计

以六自由度Stewart并联机器人的灵巧度为目标函数,以设计空间、每条支腿的最大最小长度之比和虎克铰、球铰的极限摆角为约束条件建立了结构优化模型.将模拟退火算法中的M etropolis准则引入到实值编码遗传算法的选择操作中,产生了M etropolis遗传算法,采用该算法进行了并联机器人结构优化问题的求解.通过与采用标准遗传算法得出的结果比较,证实了M etropolis遗传算法在并联机器人结构优化设计中的有效性和优越性.

基于Metropolis-SA算法的脑部磁共振血管造影图像分割

目的利用三维Markov随机场(MRF)模型分割脑部磁共振血管造影(MRA)。方法 MRF的似然概率采用了瑞利分布和高斯混合分布函数,并利用最大期望(EM)算法精确估计出混合参数;先验概率采用Ising-MRF模型,并利用误差试探法估计出正则化参数。为避免利用迭代条件模式(ICM)进行图像分割时常陷入局部最优解,实验提出了基于Metropolis采样算法的模拟退火(SA)技术。结果实现了三维MRF的全局最优解,分割模型可分辨3个体素的细小血管。临床数据采用南方医院影像中心提供的患者TOF-MRA数据(1.5TGEMRIscanner),空间分辨率0.43mm×0.43mm×0.50mm;原始数据的像素空间大小为512×512×128;实际采用的空间大小和分辨率分别为256×256×64和0.80mm×0.80mm×1.20mm。实验对每一套临床数据采用SA、ICM、MSA算法分别进行分割比较,分割结果存在有限差异,采用15步迭代计算的时间消耗分别为1 029 s、463 s、560 s。结论实验通过三维仿真数据分割结果表明,Metropolis-SA迭代求解算法能够实现更低的全局误差,并且实际脑部MRA数据的分割与最大密度投影相比较,反映出较好效果。

联合Metropolis算法和MDL准则的密集多目标分辨算法

针对单脉冲雷达处理同一分辨单元内密集多目标回波时收敛较慢的问题,提出了一种将Metropolis算法和最小描述长度(MDL)准则相结合的密集多目标分辨算法.构建Metropolis算法中的更新函数和迭代规则,促使待估参数的不同马尔可夫链间的融合;根据融合判定规则选取抽样样本,估计出对应的目标参数;利用MDL准则实现密集目标的准确分辨.该算法不仅提升了收敛速度,而且具有较高的参数估计精度,提高了算法在多目标下的分辨性能.仿真结果验证了所提算法的有效性和可行性.

一种基于Metropolis准则遗传算法的多边多议题协商

为了使得基于智能体电子商务中协商智能体最大限度地达到协商的满意解,甚至最优解,并且提高协商的效率,提出将基于Metropolis准则的遗传算法应用于基于智能体电子商务的多边多议题同时出价的协商当中.经过1000次的实验数据表明,简单遗传算法平均需要155次才能达到协商的最优解,而基于Metropolis准则的遗传算法平均需要76次就达到协商的最优解.这个结果表明,基于Metropolis准则的遗传算法可以使得多边多议题协商中的智能体高效达到协商的最优解.

基于自适应Metropolis算法的α稳定分布参数估计

基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。

基于Metropolis准则遗传算法的企业动态联盟生成模型

为了提高动态联盟中企业选择联盟伙伴和优化过程中的效率,提出一种基于Metropolis准则遗传算法的企业动态联盟生成模型.将模拟退火算法中的Metropolis准则与遗传算法相结合,提高企业选择联盟伙伴和优化过程中的效率.1 000次仿真实验表明,标准遗传算法SGA平均需要166次才能找到最优解,而基于Metropolis准则遗传算法(MGA)平均仅需要149次就可以找到最优解.企业选择联盟伙伴和优化时,基于Metropolis准则遗传算法(MGA)可以使企业高效找到最优联盟伙伴.

基于Metropolis准则的自适应随机搜索算法研究

随机搜索算法是一种原理极其简单的优化方法,利用搜索方向与步长的随机特性,算法能够逐渐向全局最优解靠近,最终达到优化的目的。但正是因为其搜索的随机性,导致了算法优化效率特别低,计算领域极其有限。针对以上问题,提出了自适应最优化的搜索策略,利用当前最优解的位置及其演化路径,不断调整算法优化搜索的方向与步长,提高搜索的效率,同时引入模拟退火算法中的Metropolis接受准则,使改进后的算法不仅能够接受优化解而且能够接受恶化解,提高算法的全局搜索能力。采用MATLAB编程软件,通过对两个经典测试函数的模拟及其与传统随机算法的对比分析,优化计算的结果证明了本文所提算法具有高效的优化计算能力,可以进一步应用于工程领域的优化设计。

基于多点Metropolis的子集模拟方法

本文将多点Metropolis(Multiple-Try Metropolis,MTM)算法应用到子集模拟法中,用MTM算法取代Metropolis-Hasting(M-H)算法来模拟中间失效事件,进而提高子集模拟法的效率.论文给出了基于MTM算法的子集模拟法的具体步骤,并采用算例对所提方法进行了验证,结果表明基于MTM的子集模拟法可以达到和经典子集模拟法相同的效果,并且效率远高于直接蒙特卡罗方法,在进行可靠性分析时可作为一个选择.

基于Metropolis光线跟踪的组合滤波器

蒙特卡罗方法是计算全局光照的基础,目前已经有很多基于蒙特卡罗的全局光照算法,但大多数算法在渲染时间上都有一定局限性。在蒙特卡罗方法基础上,结合Metropolis光线跟踪算法和组合滤波器,提出一种新的全局光照算法。该算法分为两个部分,首先使用多组不同尺度的滤波器对图像进行处理,然后将多组滤波器处理后的结果组合成最终的结果。该算法使用相对均方根误差作为选择滤波尺度的依据,在采样和重建过程中自适应地为每个像素选择合适的滤波器,以最大化降低误差,得到更好的重建结果。实验结果表明,该算法相对于传统Metropolis算法在效率和图像质量上都有较大提高。

基于Metropolis优化的叠前全局迭代地质统计学反演方法

叠前地质统计学反演将随机模拟与叠前反演相结合,不仅可以反演各种储层弹性参数,还提高了反演结果的分辨率.基于联合概率分布的直接序贯协模拟方法可以在原始数据域对数据进行模拟,不需要对数据进行高斯变换,拓展了地质统计学反演的应用范围;而联合概率分布的应用确保了反演参数之间相关性,提高了反演的精度.本文将基于联合概率分布的直接序贯协模拟方法与蒙特卡洛抽样算法相结合,参考全局随机反演策略,提出了基于蒙特卡洛优化算法的全局迭代地质统计学反演方法.为了提高反演的稳定性,我们修改了局部相关系数的计算公式,提出了一种新的基于目标函数的优化局部相关系数计算公式并应用到协模拟之中.模型测试及实际数据应用表明,该方法可以很好的应用于叠前反演之中.

基于多重尝试Metropolis算法的非线性DSGE模型贝叶斯推断

本文提出一种改进的多重尝试Metropolis算法,用于非线性动态随机一般均衡模型的贝叶斯参数估计和模型选择。多重尝试策略通过每次迭代抽取多个尝试点的方法来提高算法的混合速率,新方法中提出使用近似的方法提高计算速度,并通过接收概率调整偏差。数值实验表明新方法在相同的计算时间内具有更高的估计效率。最后,本文比较了具有不同货币政策设定的模型对中国经济数据的拟合效果,发现中国数据更加支持具有时变通胀目标的模型。

铝合金铸造工艺的Metropolis准则蜂群算法优化

为了提高铝合金铸件质量和铸造效率,提出了基于Metropolis准则蜂群算法的参数智能优化方法。分析了铝合金低压铸造原理,使用Anycasting有限元分析法模拟了铸造过程,获得了不同实验条件下的仿真值。使用单隐藏层神经网络分别拟合凝固时间、缩松面积与工艺参数间的非线性关系,得到了拟合精度较高的网络模型。以减少铸件的凝固时间和缩松面积为目标,建立了工艺参数优化模型。以传统蜂群算法为基础,提出了观察蜂对蜜源的动态选择策略和蜜源的Metropolis准则评价策略,使蜜蜂不仅选择最优蜜源,同时保留有潜力蜜源,从而给出了基于Metropolis准则蜂群算法的参数优化方法和步骤。经验证,Metropolis准则蜂群算法优化的铸件缩松面积比传统蜂群算法优化结果减少了24.16%,凝固时间缩短了3.32%,说明铸件质量和铸造效率得到了提高。经实际加工验证,Metropolis准则蜂群算法优化后的铸件显微组织分布均匀,硬度满足性能要求,可以应用于实际生产。

基于Metropolis准则的自适应模拟退火粒子群优化

为有效提高粒子群优化(PSO)算法搜索最优解的效率,提出一种基于Metropolis准则的自适应模拟退火粒子群优化(ASAPSO)算法。首先,ASAPSO采用一种新的自适应极值惯性权重方式,能有效平衡粒子种群的全局搜索和局部搜索过程;其次,通过分析粒子个体间信息交流方式,构建粒子飞行学习交流的中心粒子,该粒子能有效增强粒子个体的社会学习能力;最后,基于Metropolis准则的模拟退火选择概率,粒子群体在中心粒子的引领下向着全局最优解不断逼近,能有效避免粒子群体陷入局部最优区域。仿真实验表明,相比其他测试算法,ASAPSO收敛精度高,在多种标准测试函数中收敛率(CR)可达94%以上,能有效提高粒子种群的寻优效率。

对模拟退火算法的衰减函数T和MetrOPolis准则的改进

首先简单介绍了模拟退火算法的基本原理及其优点,然后详细描述了退火过程算法和MetroPolis准则,最后给出对MetroPolis准则和衰减函数T的改进方法.

Ant-cycle based on Metropolis rules for the traveling salesman problem

In this paper, recent developments of some heuristic algorithms were discussed. The focus was laid on the improvements of ant-cycle (AC) algorithm based on the analysis of the performances of simulated annealing (SA) and AC for the traveling salesman problem (TSP). The Metropolis rules in SA were applied to AC and turned out an improved AC. The computational results obtained from the case study indicated that the improved AC algorithm has advantages over the sheer SA or unmixed AC.