全变差与曲波联合稀疏表示模型与原对偶算法

全变差模型因能有效捕捉图像与视频中的细节信息而被广泛应用于机器视觉中,曲波变换具有较强捕捉二维信号中线状跳变信息的能力.文中结合全变差模型和曲波变换的优点,提出一类能更好地捕捉二维信号特征的联合稀疏表示模型,并用原对偶算法求解该模型,即原对偶全变差曲波算法.实验结果表明,用文中模型及求解算法处理后的图像,其客观质量及主观视觉效果均优于现有算法.文中算法也可用于解决图像去模糊、超分辨率等其它具有挑战性的图像处理问题.

基于原对偶算法的全变差图像复原

图像在采集、存储、处理和传输过程中,由于成像系统、存储设备、传输介质和处理方法的不完善,导致图像质量的下降,这种现象叫做图像退化.图像复原就是对退化的图像进行处理,尽可能恢复出原始图像的真实信息.由Rudin等提出的ROF模型能很好的保持图像的边缘,并广泛应用于图像复原问题中.本文正是在此模型的基础上修改其正则项,建立一新的模型,然后利用原对偶算法对新模型求解并证明了该算法的收敛性.实验结果表明,新模型在信噪比上有很大的改进,提高了图像的质量且抑制了阶梯效应.

求解离散无功优化的非线性原—对偶内点算法

针对无功优化计算中离散变量和连续变量共存问题 ,提出用直接非线性原—对偶内点法内嵌罚函数的新算法。通过对几个不同规模试验系统计算分析 ,并与 Tabu搜索法求得的结果比较 ,证明了该方法是有效的 ,而且在计算速度、收敛性和优化精度上都优于 Tabu搜索法。

基于神经网络和非线性原—对偶内点算法的电网无功优化补偿

在简要分析了传统的电力系统无功优化的方法后 ,针对无功优化计算中离散变量和连续变量共存的问题 ,提出了用神经网络对补偿后电网的质量参数进行预测 ,并结合求解无功优化的非线性原 -对偶内点算法进行全局寻优 ,实现对电网无功优化补偿的控制方法 .结果表明 ,该控制系统提高了系统的功率因数 ,减少了系统的损耗 ,初步解决了电网参数复杂、补偿系统难以建模等问题 。

基于原对偶状态转移算法的分数阶多涡卷混沌系统辨识

未知分数阶混沌系统参数辨识问题可转化为函数优化问题,是实现分数阶混沌系统同步与控制的关键.结合正交学习机制和原对偶学习策略,提出一种原对偶状态转移算法,用于解决分数阶混沌系统的参数辨识问题.利用正交学习机制产生较优的初始种群增加算法的收敛能力,并引入原对偶操作增加状态在空间的搜索能力,提高算法的寻优性能.在有噪声和无噪声情况下以分数阶多涡卷混沌系统的参数辨识为研究对象进行仿真.结果表明了该算法的有效性、鲁棒性和通用性.

凸二次规划的原-对偶内点算法数值实验初步

在线性规划原始对偶内点算法的基础上,进一步给出原始对偶内点算法在解凸二次规划问题中的应用,并初步给出了该算法的数值例子,作为对内点算法的一个重要补充。

线性规划的原-对偶内点算法数值实验初步

利用原-对偶内点算法的思想,初步给出了该算法的数值例子,对已有结果做了一个重要的补充。

基于原对偶内点算法求解投资组合优化模型

研究了标准均值方差投资组合选择模型,针对目前求解方法不具有多项式算法复杂性,文章给出了求解均值方差投资组合优化模型的原对偶内点算法。该算法具有多项式复杂性,因此可以快速求解大规模的投资组合优化模型。仿真结果表明,原对偶内点算法可以较好地应用于投资组合问题,具有较广泛的应用空间和一定的推广价值。

改进原对偶遗传算法在搜索边坡最危险滑动面中的应用

文章基于janbu条分法,提出一种改进的原对偶遗传算法,并开发出相应的计算程序,自由搜索边坡任意形状最危险滑动面,求解其最小安全系数。通过工程实例验算证明,改进原对偶遗传算法是一种值得推广的边坡稳定性分析方法。

原对偶遗传与蚁群算法的融合

原对偶遗传算法(PDGA)较好地保持了种群的多样性和较强的稳定性,改善了在搜索空间里的搜索能力,使搜索更为有效,但没有利用系统中的反馈信息,导致无为的冗余迭代,求解效率不高。而蚁群算法是通过信息素的累积和更新来收敛于最优路径,具有分布、并行、全局收敛能力,但是搜索初期信息素匮乏,导致算法速度慢。通过将两种算法进行融合,克服两种算法各自的缺陷,优势互补,形成一种全局寻优性能好,稳定性强,效率高的启发式算法,通过仿真计算,表明融合算法的性能优于遗传算法,原对偶遗传算法和蚁群算法。

框式凸规划的原—对偶仿射尺度算法

文章对框式凸规划问题设计了一个原—对偶仿射尺度算法 。

基于非线性原-对偶内点算法的电力系统无功优化

以电力系统中无功优化的非线性规划模型为基础,采用原对偶内点算法进行全局寻优.文中通过对障碍参数确定方式的研究,根据障碍参数的物理本质以及电力系统本身的特点,提出了在运用原对偶内点算法分析电力系统无功优化时,应根据不同物理意义的变量来确定相应障碍参数的方法.在此基础上,分析了障碍参数中加速因子对算法的影响,提出了加速因子的动态确定策略.在对IEEE 118节点系统进行的计算分析表明本文算法收敛性好、计算速度快.

基于原—对偶内点算法的股票投资组合分析——兼论Markowitz均值—方差模型的应用

首先对Markowitz均值—方差模型进行了回顾,对Markowitz均值—方差模型的求解给出了更为优化的算法,即原—对偶内点算法,并利用优化后的算法模型对中国股票市场进行实证分析,得出对投资者更为有效的投资建议。

求解凸二次规划的一种改进的原-对偶内点算法

基于牛顿方向,给出了求解凸二次规划问题的改进原对偶可行内点算法。若获得算法的初始可行内点,则该算法经过多次迭代之后收敛到原问题的一个最优解。数值试验表明了该算法的有效性。

基于Tikhonov模型的原-对偶算法在图像恢复中的应用

图像在采集、存储、传输以及显示过程中,由于各种因素,往往会造成图像模糊,所以消除图像中的噪声、去除模糊等意义重大。在模糊图像恢复过程中,运用针对Tikhonov正则化问题演化来的梯度下降法与原-对偶算法,以及它们改进的算法对模糊图像进行恢复。在这一模型中,正则化参数的选择对图像恢复的效果有很大的影响,选取一个相对合适的正则化参数来平衡拟合项与正则项情况很重要。选定合适的正则化参数后,在Armijo准则下应用0.618优选法选择步长,进行梯度下降法以及正则化下的原-对偶算法的计算,对模糊灰度图像进行恢复。使用上述2种方法对模糊图像进行恢复,实验表明,与梯度下降法相较而言,原-对偶算法在图像恢复中效果更好。

最小二乘模型下图像恢复的原—对偶算法的研究

由于正则化方法进行图像恢复过程中,往往需要调正则化参数,不同的图像要想得到较好的恢复效果,正则化参数可能并不相同.这里建立最小二乘模型进行模糊图像恢复,不需要调节正则化参数,简化了恢复过程.文中采用一阶原-对偶方法解带约束的最小二乘问题的图像恢复,并在原-对偶的解法上加以改进,采用整体代换的方法计算.实验证明,采用最小二乘模型的原-对偶的改进算法大大节省了迭代运算的时间,且在恢复无噪声的图像时不管是视觉感受上还是从PSNR峰值来看,恢复效果比原-对偶算法好.

双概率原对偶遗传算法与蚁群算法的融合研究

双概率原对偶遗传算法(DPPDGA)是原对偶遗传算法的一种改进型算法,赋予各基因位值不同的对偶映射概率,增强算法种群的多样性,具有更好的全局寻优性能,但不能利用系统中的反馈信息,出现无为的冗余迭代。最大最小蚁群算法(MMAS)则能够很好的利用系统中的反馈信息,通过对信息的累积更新寻求最优解,但初始信息素的匮乏制约着MMAS的求解效率。本文将两种算法进行融合,克服自身缺陷,优势互补。通过MATLAB仿真测试可知,该融合算法表现出求解精度高、稳定性强、全局搜索性能优的特点。

基于原对偶内点算法的实时电价研究

实时电价是电力市场中的重要概念。本文介绍了基于最优潮流(OPF)的实时电价模型以及原对偶内点算法的基本原理,并讨论了向心参数的取值对该算法收敛性的影响。通过对IEEE14节点系统的仿真分析,结果表明,有功实时电价比无功实时电价大的多;向心参数的取值对原对偶内点算法很重要,它的大小直接影响算法的收敛性和解的可行性。

原对偶内点算法对电力系统无功的优化分析

针对电力系统中无功优化的问题,从非线性规划的角度进行分析,提出了一种原对偶内点算法。考虑无功问题的定位复杂且非线性,利用原对偶内点算法进行位置判断及潮流分析。通过实际案例进行验证,结果显示原对偶内点算法的无功定位精准度、计算时间均优于已有遗传算法。

基于总变分彩色图像恢复问题的有效算法

为改进彩色图像的恢复效果,针对数字图像在获取和传输过程中产生的图像退化问题,提出一种改进的总变分正则化模型.首先在最大后验估计的框架下,将彩色图像退化问题转化为总变分最小化问题;然后选择L1范数作为总变分模型的正则项;最后引入对偶变量,将上述问题转化为极大极小问题,利用一阶原对偶算法结合分块矩阵求逆的算法处理上述极大极小问题.实验结果表明,与交替迭代算法相比较,该算法对彩色图像进行去噪和去模糊的能力更优,实验验证了该算法的有效性和优越性.