求解大尺度优化问题的学生t-分布估计算法

针对处理大尺度全局优化问题,提出一种基于自适应t-分布的分布估计算法(EDA-t).该算法不仅求解效果良好,而且求解速度也比同类型算法快.其基本思想是:在迭代搜索过程,首先利用期望最大化算法对演化种群进行概率主成分分析,然后根据得到的概率隐变量建立算法的概率模型,并通过t-分布自由度自适应方法,在算法收敛停滞时跳出局部最优.由于在构建模型时进行了数据降维,在不影响算法求解精度的前提下,其计算开销得到了明显降低.通过和目前主流的演化算法在大尺度优化测试函数上的仿真实验和分析,验证了所提算法的有效性和适用性.

非线性约束规划快速收敛的共轭投影变尺度法

本文讨论非线性等式约束规划问题，给出了问题的一种共轭投影变尺度算法．方法利用变尺度法，梯度投影法及共轭方向法相结合的思想直接给出主搜索方向和辅助方向显式表达式，以罚函数为效益函数，不需解任何二次子规划．在较温和的假设下，算法具有全局收敛性和超线性收敛性．

近邻自适应局部尺度的谱聚类算法

针对尺度参数选取对使用高斯核函数的传统谱聚类算法性能的影响，提出一种以近邻自适应局部尺度代替全局统一尺度的新谱聚类算法。该算法在数据聚类一致性特征的基础上，首先强调局部尺度的灵活性，即每个样本数据对应一个尺度参数，克服了传统方法中所有样本对应单一全局尺度参数的局限性，更好地刻画数据集的本征结构。其次注重参数选取的便捷性，即通过对样本周围Ⅳ个近邻计算加权距离和作为局部尺度的值，从而实现了尺度参数的自动选取。从理论和实验两个角度阐述该算法不仅对离群点有一定的抑制作用，而且能对尺度分布不同的数据类进行准确聚类。最后，在人工数据集和UCI数据集上验证了该算法的有效性。

克里雅绿洲浅层地下水特征与表层土壤特征的相互关系研究——基于最优插值预测

通过对特定区域由点至面的预测,进而研究典型干旱区绿洲浅层地下水特征与表层土壤特征的空间分布变化规律及两者相互影响,对干旱区水土关系的科学认识具有重要意义。根据最优的空间插值预测方法对克里雅绿洲整体的浅层地下水特征与表层土壤特征(地下水埋深、电导率、水温,表层土壤含水率、电导率、土温)进行预测,并在全局尺度上对以上的水土指标进行相关性研究。结果表明:(1)克里雅绿洲区域地下水埋深主要在3 m以下,地下水电导率主要在5 mS/cm以下,地下水温度主要在15℃以下,表层土壤含水量主要在50%以下,表层土壤电导率主要在2.5 mS/cm以下,表层土壤温度主要在13℃以下,浅层地下水特征与表层土壤特征的空间分布均呈现一定的变化规律。(2)浅层地下水特征与表层土壤特征间均具有空间与统计相关性,地下水电导率与表层土壤盐分的线性回归拟合结果最好(R^2=0.721 8),回归方程为y=0.144x+0.172 1,可以作为实际预测中的参考依据。