基于博弈论的主动配电网扩展规划与光储选址定容交替优化

针对当前主动配电网规划方法无法反映投资者先后决策的问题,提出了基于博弈理论的主动配电网扩展规划与光储选址定容的双层交替优化方法。首先,基于当前欧洲国家广泛采用的自消费模式,提出了考虑峰谷电价的光伏和储能系统运行策略;其次,在此基础上建立了主动配电网扩展规划和光储选址定容的双层优化模型;然后,提出了双层优化模型求解方法,上层优化模型应用二进制粒子群算法进行优化,下层优化模型中引入博弈理论,决定光储的容量配置;最后,采用某规划区的配电系统进行仿真,优化结果表明,光储系统的合理配置与接入方案可有效降低用户的用电成本,也可有效降低配电系统的网络损耗。

融合K近邻信息的局部三层交替优化MK诊断模型

针对小样本条件下航空电子设备模块级功能故障诊断问题,将局部多核学习的局部特征表示能力与超限学习机运算高效的特点相结合,提出一种新的多故障诊断模型。一方面,通过将训练样本的近邻信息融入学习过程中,有效提升了诊断模型的推广能力;另一方面,通过构造关于局部多核超限学习机初始-对偶混合优化问题的三步交替优化策略,实现了小样本条件下对故障信息的深度挖掘,并在l1-范数约束与l2-范数约束下分别实现了对局部核权重的迭代更新。将所提诊断模型应用于某型前端接收机,结果表明,相比一般的多核、局部多核诊断方法,所提方法在实现低漏警、低虚警的同时,l1-范数约束的诊断方法将诊断精度平均提升了3.57%,l2-范数约束的诊断算法将诊断精度平均提升了4.61%。

L_1-L_2正则化的图像复原交替优化算法

为快速且准确地重建原始图像,提出一种新的图像复原算法。在稀疏表示的框架下,建立图像复原问题的约束优化模型,同步估计原始图像及其稀疏表示。复原模型的目标函数包含L1-L2双正则项,为此采用交替优化将模型分解为若干子问题,交替迭代求解这些子问题。其中不可微分的子问题,由迭代重加权方法进行处理。实验结果表明,仅需较少次迭代该算法即可获得原始图像及其稀疏表示的最优估计。与某些优秀的同类算法相比,该算法的速度更快,复原图像的质量更高。

基于多图的交替优化图直推方法

针对基于单图的半监督学习(GSSL)算法的性能受单个图质量的影响,且在单视图数据下,大多数基于多图的GSSL算法难以使用的问题,提出了一种基于多图的交替优化图直推方法(MG-GTAM)。首先,使用不同的图构建参数来构建单视图数据下的多个图,利用多个图来表达数据间关系;然后,借助交替迭代方式综合多个图的信息,选择置信度高的未标记样本进行伪标记并通过权重权衡各图的重要程度,以优化多图上的预测函数的一致性和平滑性;最后通过组合每个图的预测函数完成对所有未标记样本的标记。仿真实验表明,与经典的局部和全局一致(LGC)、高斯随机场和调和函数(GFHF)、交替优化直推(GTAM)、组合图拉普拉斯(CGL)算法相比,在COIL20目标物体数据集和NEC Animal数据集上,MG-GTAM的分类错误率比这些经典算法均有下降,表明了该方法具有良好的性能。实验结果表明,MG-GTAM能有效地利用多个图来表达数据之间的关系,获得更低的分类错误率。

基于迭代交替优化的图像盲超分辨率重建

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的,如双3次下采样等,因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题,该文提出联合估计模糊核、噪声水平和高分辨率图像,设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中,图像重建器以估计的模糊核和噪声水平作为先验信息,由低分辨率图像重建出高分辨率图像;同时,综合低分辨率图像和估计的高分辨率图像,模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地,该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化,以提高它们的兼容性并使其相互促进。实验结果表明,与IKC,DASR,MANet,DAN等现有算法相比,提出方法在常用公开测试集(Set5,Set14,B100,Urban100)及真实场景图像上都取得了更优的性能,能够更好地对降质未知的图像进行重建;同时,提出方法在参数量或处理效率上也有一定的优势。

极大极小值交替优化算法实现换热网络全局热集成

针对确定性方法应用于换热网络全局热集成时易陷入局部极值的问题,采用乘子法建立辅助函数,将原来的换热网络有约束问题转化为无约束问题,在此基础上提出了基于牛顿法的极大、极小值交替优化算法应用于换热网络优化。该算法通过优化进程中极大值、极小值的交替计算,不断跳出当前的局部极小值并继续通过局部优化方法求解新一轮的局部极小值,从而实现换热网络的全局热集成。同时提出防止"回跳"策略,避免该算法计算过程中在某个区域重复优化的问题。将算法应用于两个经典换热网络实例,取得了较好的结果,验证了极大、极小值交替优化算法能够有效地改善确定性方法易陷入局部极值的问题,具有较强的全局搜索能力,使优化质量较文献得到了进一步提升。

基于图信号交替优化的居民用户非侵入式负荷监测方法

非侵入式负荷监测(non-intrusive load monitoring,NILM)是研究居民用户负荷信息的常用方法,但存在分解准确度低、算法泛化性能低等系列问题。为此,该文应用图信号处理(graph signal processing,GSP)理论,提出一种基于图信号交替优化的居民用户NILM方法。该方法根据总负荷数据构建图信号模型,并基于图信号模型得到关于功率损耗的约束条件,较好地解决了传统方法缺乏负荷数据相关性研究的问题。相比于传统方法需要对模型参数多次调整,交替优化法可以自动调整参数,提高了实时监测能力,降低了电网运营成本。仿真结果表明,在1min采样率下,基于图信号交替优化法的总负荷分解准确度比NILM-GSP提高了15%,计算时间降低了10%,充分体现了该文算法性能的优越性。

区分性联合稀疏字典交替优化的语音增强

在联合稀疏字典的语音增强中,由于联合字典的相似性,导致稀疏重构阶段产生语音和噪声混淆进而产生语音失真问题。针对此,在训练阶段提出一个费希尔准则下的目标函数。该函数包含了语音和噪声的区分约束项,并用与信号变化相关的平衡因子去调整各项权值,为尽可能减小混淆误差提供了保障;同时,为了能使目标函数收敛,设计了一种交替优化字典和稀疏系数的算法,迭代寻找所需的字典和稀疏系数,完成语音字典和噪声字典的输出,得到具有非相似即区分性能较好的联合字典。在增强阶段,将带噪语音信号在联合字典上进行稀疏表示,并估计出语音幅度谱和噪声幅度谱。最后,结合维纳滤波器和理想二值掩模的优点,提出了新的软掩模滤波器,进一步消除了残余噪声。通过对不同信噪比的带噪语音进行实验,新算法得到的语音信噪比和听觉感知评价都较高,验证了新算法在提高语音性能方面的有效性。

采用交替优化策略的三维模型兴趣点提取算法

针对三维模型的兴趣点提取问题,提出一种基于交替优化的全监督检测算法.第1步,利用多种特征描述符对人工标注好的三维模型进行特征提取,得到每个顶点的特征向量,将其作为神经网络的输入;第2步,使用双调和距离场为模型表面顶点赋予概率标签,并将顶点标签值作为神经网络的输出;第3步,通过神经网络学习输入特征与输出标签之间的复杂映射关系;第4步,将训练后的神经网络对训练集进行预测,并把兴趣点提取结果与人工标签进行对比,根据对比差异进一步优化顶点标签值,然后将顶点标签值作为输出、顶点特征向量作为输入,继续优化神经网络.将第3步和第4步重复多次进行交替优化,最终得到一个较优的神经网络模型.在公开数据集SHREC 2011上的实验结果表明,由于采用了交替优化的策略,所提算法在三维模型表面兴趣点提取的关键评价指标FNE和FPE上均优于传统算法,准确率实现了平均11个百分点以上的提升.

概率条件下基于双目标交替优化的知识表示模型

针对Trans D模型参数多和实体两种表示间没有关联的问题,提出一种改进的知识表示模型PTrans D。通过减少实体投影数,并对实体进行聚类来减少参数量,同时利用K-L(Kullback-Leibler)散度限制实体投影和对应实体类,使其概率分布相同。在模型训练时,对三元组损失和K-L损失交替优化,从类间距大的实体类中替换实体,提高负例质量。最后,在知识图谱数据集上进行三元组分类和链接预测实验。结果表明,该模型的性能在各项指标上均有明显提高,可以应用于知识图谱的完善和推理等。

动态网络下交替优化正交匹配追踪混合预编码

为解决毫米波大规模多输入多输出(multiple input multiple output,MIMO)系统中混合预编码频谱性能损失严重的问题,本文提出了一种动态网络下交替优化正交匹配追踪混合预编码算法。首先,通过恒模约束条件下的模拟预编码矩阵确定固定相位移相器与天线之间较好的初始连接状态,以提高迭代收敛速率;然后,根据连接状态构造最佳候选模拟预编码矩阵,从而求解全局最优的索引向量;最后,由最优索引向量组成的数字预编码矩阵反馈到动态网络,可动态实现移相器与天线阵列连接状态的交替优化更新。同时,所提出的算法只需要少量固定相位的移相器,在频谱性能和复杂度之间达到良好平衡。仿真结果表明,与其他现有算法相比,该算法具有更高频谱效率、更高迭代收敛速率和更低复杂度,特别是当射频链路数大于数据流数时,频谱效率的提升更加显著。

下行RIS-NOMA系统交替优化波束形成方法

为了最大化可重构智能反射面(RIS)辅助多输入单输出非正交多址(NOMA)通信系统中的加权和速率,提出了一种分式规划和连续凸逼近结合交替优化主被动波束形成的方法。首先,利用分式规划将加权和速率问题转化成分式问题并解耦信号和噪声功率;然后,分别利用拉格朗日乘子法和连续凸逼近交替优化主被动波束形成,从而将非凸最大化加权和速率问题分解成多个凸优化问题迭代求解;最后,获得主动波束形成的最优解和被动波束形成的次优解。仿真结果表明,所提方法有效地解决了RIS-NOMA通信系统中的波束形成问题,并且用户能够获得理想的速率提升。

智能反射表面的主被动联合波束成形分组模型优化算法

针对智能反射面(IntelligentReflectingSurface,IRS)联合主动和被动波束成形优化中计算复杂度过高的问题,该文基于经典的半正定松弛算法和交替优化算法提出了一种对本地IRS进行分组的新模型,通过降低每个IRS信道矩阵的秩来降低优化算法的复杂度。具体的,首先通过已知的IRS相位得出BS(Base Station)的次优发送波束,其次通过BS的发送波束计算得出分组后各IRS面的次优相位,经过不断交替迭代上述两步优化得出最优发送波束的结果。仿真结果表明,合适的IRS分组数量、分组方式与交替优化迭代次数可以在几乎不影响原算法性能的情况下,大大减少交替优化算法的复杂度。

基于无线供电空中计算系统的收发器优化设计

本文研究基于无线供电的空中计算系统,其能量发射器采用能量波束形成技术为多个低功耗传感器提供能源,基于无线多址接入信号叠加的空中计算原理,传感器将感知数据同时传输至无线接入点,无线接入点应用接收滤波技术直接完成感测数据的函数值计算。本文考虑一个先采能后感知再传输的工作协议,建模满足传感器能量收集约束条件和计算均方误差约束条件的能量发射器发射能量最小化问题,以及对能量发射器的能量波束形成向量、无线接入点的接收波束形成向量和传感器终端的发射系数进行联合优化。由于复杂的变量耦合性,基于发射能量最小化的空中计算系统设计问题属于一类非凸优化问题。为降低计算复杂度,本文提出一种交替优化求取次优解的方案。仿真结果表明该设计方案具有快速收敛性和优越性。

有源RIS辅助MISO系统联合波束成形优化算法

针对有源RIS辅助MISO系统中传统波束成形方法存在计算复杂度较高,且有源RIS热噪声抑制效果不佳问题,提出一种基于加权最小均方误差和粒子群的有源RIS辅助MISO系统联合波束成形优化算法。首先,利用交替优化思想,将非凸和速率优化问题转化为独立的基站波束成形和RIS相移凸优化问题;其次,采用具有较快收敛速度和较高估计精度的加权最小化均方误差算法,对基站波束成形进行优化设计;最后,通过引入混沌初始化和自适应惯性权重思想,对基于传统PSO的RIS相移设计进行优化,改善了容易陷入局部最优问题。仿真结果表明,与多种基准方案相比,所提方案可在有效降低计算量的情况下显著提高系统的和速率。

基于交替混合迭代搜索方法的预制构件生产调度与工人配置集成优化

针对以往预制构件生产过程中工人指派与生产调度递阶求解方法的不足,研究了预制构件生产调度与工人配置的集成优化问题。在深入分析预制构件的生产工艺、工序约束、工人数量、工人技能水平等制约关系的基础上,首先以最小化拖期惩罚和工人成本为目标建立了预制构件生产调度与工人配置集成优化数学模型。随后,为降低问题求解困难,基于交替分解思想,通过集成构造启发式、群体搜索、邻域搜索和破坏—构造机制,提出一种混合遗传—迭代贪婪交替搜索算法(AHGA_IG)来解决该问题。其主要思想是:首先利用启发式方法产生一个初始工人配置和生产调度解;随后固定生产调度方案,设计一种混合遗传配置算法用于优化工人配置方案;反过来固定工人配置方案,设计一种迭代贪婪调度算法用于优化生产调度方案,如此两阶段交替优化,直到满足终止条件。最后,针对不同规模算例对所提算法进行了测试。计算结果显示,所提算法具有较优的求解质量、鲁棒性和收敛性。与预制构件制造企业常用的基于经验的启发式方法相比,AHGA_IG算法具有较大的改进率,有望产生显著的经济效益。

暗通道约束和交替方向乘子法优化的湍流图像盲复原

为提高湍流退化图像的复原效果,针对盲复原算法在最大后验概率框架下,使用梯度分布先验信息约束容易求得模糊平凡解的问题,提出了一种暗通道约束和交替方向乘子法优化的湍流图像盲复原算法。基于多尺度的思想,在每一层尺度上,对图像施加暗通道先验约束,对点扩散函数施加非负性约束和能量约束。对采用坐标下降法交替迭代估计当前尺度下的模糊核和图像,当达到最大尺度时,得到最终估计的模糊核。结合总变分模型,采用交替方向乘子法优化实现图像细节快速恢复。实验结果表明,新算法使用的先验信息约束,有利于得到清晰解,在总变分模型下能收敛到全局最优解,可以有效抑制图像复原过程中产生的伪迹,恢复出更好的目标图像细节。

一种基于交替凸优化的视频对象分割算法

现有视频对象分割方案多数存在应用场景受限、运动背景过分割等问题,为此,提出一种可从视频序列中自动检测重要对象的无监督视频对象分割算法。从前景和背景概率分布的角度引入马尔可夫能量、时空能量和对抗能量。将视频对象分割问题建模为基于3种混合能量最小化的非凸优化问题,利用基于交替凸优化的方法将其分解为2个二次规划问题。采用前向-反向传递策略,以充分利用时域相关性从而提高对象分割的可靠性。结合多种视频数据集进行仿真,结果表明,与其他最新的视频对象分割算法相比,该算法的分割性能有明显提高。

智能工厂中基于AGV的移动边缘计算系统资源优化研究

移动边缘计算技术实现了通信资源和计算资源协同高效利用的突破。本文研究了智能工厂中AGV移动边缘计算系统,AGV在执行运载任务的同时需进行计算任务以实现环境感知,为了保证计算的时效性,AGV能够将部分计算任务卸载至边缘网络,从而缓解通信压力并提升网络计算性能。本文首先对该场景进行数学建模,并通过连续凸近似方法实现了对资源的优化求解,最后给出了仿真结果以证明所提算法的有效性。

基于智能反射面辅助雷达的恒模多相波形-反射面联合优化算法

该文通过联合优化雷达发射波形,接收滤波器以及部署在场景中的智能反射面(RIS),来增强雷达系统在杂波环境下的目标检测性能。在雷达波形和RIS相移矢量离散相位约束的前提下,该文采用系统输出信干噪比(SINR)为优化目标来建立RIS辅助下的雷达目标检测性能增强问题。为求解所形成的联合非凸优化问题,该文提出了一种交替优化求解策略,在每一轮迭代中基于优化子最大化的思想次序的两个关于波形和RIS相移矢量的优化子问题。仿真实验证明所提优化算法能够在满足恒模多相约束的情况下,提供高质量的RIS相移矢量-雷达收发波形,使得RIS辅助下的雷达系统目标检测性能得到明显的增强。