基于块坐标下降法的有砟轨道大机捣固维修经济决策模型及算法

为了更好地利用检修数据指导轨道维修决策计划,在预防性维修理念下提出1种基于块坐标下降法的有砟轨道大机捣固维修经济决策模型及算法。考虑多种捣固模式下不同的捣固效果和相应成本,以轨道质量年末保持值和维修经济成本为决策目标,结合大机养修效率和现场实际条件,建立大机捣固维修经济决策模型;采用块坐标下降算法,以并行计算为主要思路并通过聚类算法调整捣固区段的连续性,实现最佳捣固模式、捣固时机和捣固区段的高效求解。依托某120 km·h~(-1)、50 km试验区段在某年份的实测数据,验证模型及算法有效性。结果表明:依据模型及算法得出的维修计划,采用09-32型捣固车开展单捣、双捣2种捣固模式后,每年可较实际平推捣固计划分别节省18%和15%的费用,改良型大机捣固质量指数MTQI的年末平均值从实际平推捣固计划的6.5 mm分别降低约0.80和1.35 mm;模型及算法能够快捷有效地制定符合线路实际的大机捣固维修计划,不仅实现了大机作业的连续捣固,还较大幅度提升了捣固维修的经济性。

基于块坐标下降法的神经网络学习算法

针对当前一阶优化算法收敛速度慢,对学习率依赖性强和二阶优化方法复杂度高等问题,利用神经网络固有的可分性,提出递归最小二乘与梯度下降的混合算法(Hybrid Recursive Least-Squares with Stochastic Gradient Descent, HRLSGD),将原本复杂的网络模型分解为更易解决的低维优化问题。实验结果表明,HRLSGD的收敛速度优于主流的一阶优化算法,对于学习率的鲁棒性更高。

多层局部块坐标下降法及其驱动的分类重构网络

卷积稀疏编码(Convolutional sparse coding,CSC)已广泛应用于信号或图像处理、重构和分类等任务中,基于深度学习思想的多层卷积稀疏编码(Multi-layer convolutional sparse coding,ML-CSC)模型的多层基追踪(Multi-layer basic pursuit,ML-BP)问题和多层字典学习问题成为研究热点.但基于傅里叶域的交替方向乘子法(Alternating direction multiplier method,ADMM)求解器和基于图像块(Patch)空间域思想的传统基追踪算法不能容易地扩展到多层情况.在切片(Slice)局部处理思想的基础上,本文提出了一种新的多层基追踪算法:多层局部块坐标下降(Multi-layer local block coordinate descent,ML-LoBCoD)算法.在多层迭代软阈值算法(Multi-layer iterative soft threshold algorithm,ML-ISTA)和对应的迭代展开网络ML-ISTA-Net的启发下,提出了对应的迭代展开网络ML-LoBCoD-Net.ML-LoBCoD-Net实现信号的表征学习功能,输出的最深层卷积稀疏编码用于分类.此外,为了获得更好的信号重构,本文提出了一种新的多层切片卷积重构网络(Multi-layer slice convolutional reconstruction network,ML-SCRN),ML-SCRN实现从信号稀疏编码到信号重构.我们对这两个网络分别进行实验验证.然后将ML-LoBCoD-Net和ML-SCRN进行级联得到ML-LoBCoD-SCRN合并网,同时实现图像的分类和重构.与传统基于全连接层对图像进行重建的方法相比,本文提出的ML-LoBCoD-SCRN合并网所需参数少,收敛速度快,重构精度高.本文将ML-ISTA和多层快速迭代软阈值算法(Multilayer fast iterative soft threshold algorithm,ML-FISTA)构建为ML-ISTA-SCRN和ML-FISTA-SCRN进行对比实验,初步证明了所提出的ML-LoBCoD-SCRN分类重构网在MNIST、CIFAR10和CIFAR100数据集上是有效的,分类准确率、损失函数和信号重构结果都优于ML-ISTA-SCRN和ML-FISTA-SCRN.

几类群组变量选择方法及其块坐标下降算法

在复杂数据中变量往往成组出现,考虑了Lasso、SCAD、Bridge及MCP四种不同模型选择的惩罚项,研究了它们在群组变量中的方法及其块坐标下降算法,在Logistic模型的条件下进行模拟,结果表明Composite MCP组惩罚方法在预测能力和变量选择上均优于其他三种群组惩罚方法,并运用到销售网络办公软件公司的广告数据中,结果表示四种方法中Composite MCP方法在广告转化研究中效果是最优的,通过比较,选择出影响广告转化的群组结构及单个变量,为选择投放策略提供合理的依据。

基于块坐标下降算法的优化哈希数据流频率估计

为了不依赖于随机哈希,并且降低计算复杂度,提出了一种基于块坐标下降算法的优化哈希数据流频率估计方法。该方法利用观察到的流媒体数据前缀来接近最佳哈希元素,并压缩目标频率分布。然后引入了一种高效的块坐标下降算法,从而计算最优的哈希方案。提出的方法能够使用动态规划在线性时间内实现精确的求解。最后在合成数据集和搜索查询数据集上对所提出的方法进行了实验评估,结果证明提出的方法能够有效降低计算复杂度,并且保证了较好的估计精度。

基于块坐标下降法的微网群日前联合优化调度

文章顾及微网群调度中心和微电网用户两类主体,建立一类含多个并列下层双层规划结构的微网群联合优化调度模型,上层以微网群调度中心总运行成本最小为优化目标,下层以各微电网用户运行成本最低为优化目标。首先,通过增广拉格朗日松弛法将原双层规划模型松弛;用块坐标下降法将松弛问题分解为多个子问题;然后,通过基于块坐标下降-不精确嵌套乘子法的双层循环求解模型,逐次逼近原问题的全局最优解;采用由松至紧的内循环容限值,以避免内循环计算代价过大的问题。算例的验证结果表明,文章所提的基于块坐标下降-不精确嵌套乘子法的双层循环求解模型,能有效求解微网群双层优化调度模型,为此类优化调度问题提供新的并行求解模式。

小批量随机块坐标下降算法

针对机器学习中广泛存在的一类问题:结构化随机优化问题(其中“结构化”是指问题的可行域具有块状结构,且目标函数的非光滑正则化部分在变量块之间是可分离的),我们研究了小批量随机块坐标下降算法(mSBD)。按照求解非复合问题和复合问题分别给出了基本的mSBD和它的变体,对于非复合问题,分析了算法在没有一致有界梯度方差假设情况下的收敛性质。而对于复合问题,在不需要通常的Lipschitz梯度连续性假设条件下得到了算法的收敛性。最后通过数值实验验证了mSBD的有效性。

基于块坐标下降法的外存异步图计算系统

现有外存图计算系统中,外存I/O带宽不足成为性能瓶颈。使用整体并行模型将导致冗余计算,使用异步并行模型则将引入额外的优先级计算开销和负载不均衡。本文提出了基于块坐标下降法(BCD)的外存异步图计算系统(BCDG),设计了一次选择多轮优先的调度策略,降低了优先级计算的平均开销;设计了基于优先级的块预取策略,解决了优先选择会破坏顺序执行流水线的问题;设计了计算调度分离的划分策略,实现了均衡地按边计算和按点调度。实验结果表明,相较于目前最先进的外存图计算系统GridGraph和Lumos,所提系统平均性能分别提升10.30倍与8.72倍。整体计算过程中,中央处理器(CPU)等待外存I/O的时间仅占10%~30%。

基于块坐标下降算法的空地无人平台轨迹联合优化

使用无人机执行时敏性数据采集任务时,偏僻节点的存在会导致无人机能耗效率降低,地面传感器节点数据传输能耗增加,任务完成时间增加等问题。因此,提出了基于地面移动基站与无人机协同的数据采集方法。通过按需部署移动基站,完成对偏僻节点的数据采集并发送至无人机,以节省偏僻节点的传输能耗和无人机的飞行能耗,进而提高整个传感器网络的寿命和无人机的能耗效率。联合优化传感器的唤醒调度、无人机轨迹和基站部署位置,以最小化传感器能耗,然后将问题建模为混合整数非凸问题,通过应用连续凸优化技术,提出了一种有效的迭代算法来寻找次优解。仿真结果表明,相比其他基准方案,所提出的方案实现了显著的性能提升。

基于混合协作NOMA的安全MEC能耗优化

非正交多址接入(non-orthogonal multiple access,NOMA)技术的广泛应用改变了传统物理层安全对用户传输速率的限制,在降低时延的同时会引起系统能耗增加。针对安全通信与降低能耗问题,提出一种基于混合协作NOMA的安全边缘计算传输方法。该方法对每个用户数据处理过程设计了多时隙混合协作方案,根据不同用户的信道条件分别设置卸载决策,保证用户间公平,并推导出系统保密中断概率的闭合表达式。然后以最小化系统能耗为目标,采用基于块坐标下降的三步迭代优化算法求得最优卸载方案。仿真结果显示,所提出的传输方法能在保证信息安全的条件下有效地减少系统能耗。

STAR-RIS辅助的NOMA系统物理层安全性能优化

针对实际通信场景中非理想信道状态信息以及非理想串行干扰删除等非理想因素的强耦合特性使可同时反射和透射的可重构智能超表面(STAR-RIS)辅助的非正交多址接入(NOMA)传输系统安全性能无法准确衡量的问题,提出了基于惩罚对偶分解(PDD)和块坐标下降(BCD)的融合算法,联合优化基站的波束成形矢量和STAR-RIS相移系数,实现系统最低安全传输速率的最大化。结果表明,所提融合算法相比BCD算法可以明显增加最低安全传输速率,性能至少提升10%。

超密集网络中基于BCD的联合频谱资源优化方法

针对超密集网络(ultra dense network,UDN)中基站密集部署导致的严重层间干扰问题,构建了考虑频谱复用和共信道干扰条件下最大化系统总吞吐量问题模型,提出了一种基于块坐标下降(block coordinate descent,BCD)法的联合频谱资源优化(joint resource optimization based on BCD,JROBB)方法。该方法将原问题分解为分簇、子信道分配和功率分配三个子问题,通过BCD法迭代优化子信道分配和功率分配,逼近原问题的最优解。仿真分析表明,在复杂度提升有限的情况下,系统总吞吐量比现有典型算法平均至少提升22%,可以有效提升频谱利用率。

基于干扰辅助下的多监听器COMP联合监听技术

在无线通信领域,COMP联合通信因其能够显著增强信号质量被广泛运用。考虑利用COMP技术提升物理层信息监听性能,文中采取多个合法监听器对多个正交的可疑通信对进行联合监听,并进一步利用无人机对这些可疑通信对实施干扰,旨在联合优化无人机的位置以及干扰功率分配,以最大化多个可疑通信对的最小监听成功概率。文中使用蒙特卡罗法验证了COMP信噪比的累积分布函数(CDF)近似值和精确值,鉴于提出的优化问题高度非凸,采用连续凸近似和块坐标下降算法对无人机的位置和干扰功率分配进行交替优化,以获取局部最优解。仿真结果表明,相较于其他方案,所提出的方案能够显著提升系统最小监听成功概率。

多UAV辅助反向散射边缘计算网络能耗优化方案

为了改善通信过程中由于遮挡导致信号衰落及设备能量不足以支撑大数据传输的问题,提出一种多无人机(Unmanned Aerial Vehicle,UAV)辅助反向散射边缘计算(Mobile Edge Computing,MEC)网络能耗优化方案。该方案根据UAV与反向散射辅助MEC系统模型构建非凸优化问题,利用块坐标下降法(Block Coodinate Descent,BCD)和变量替换将非凸优化问题转化为凸问题,再利用拉格朗日对偶算法和次梯度算法对该凸问题进行迭代求解。基于连续凸近似(Successive Convex Approximation,SCA)算法优化UAV轨迹,以最小化用户设备与UAV的能耗加权和。仿真结果表明,所提方案在不同参数下均有效可靠,与固定所有UAV轨迹、固定通信UAV轨迹、固定功率UAV轨迹等3种方案相比,所提方案能够有效降低系统能耗。

基于最大相关熵的张量多视图子空间聚类

由于多个视图能够更加全面、恰当地描述数据信息,对多视图子空间聚类(MVSC)算法研究的热度愈加高涨。将最大相关熵准则引入到张量多视图聚类,并在块坐标下降求解框架下提出一个新的多视图子空间聚类算法,称为基于最大相关熵准则的张量多视图子空间聚类(TMVSC-MCC)算法。提出的优化模型将所有视图的子空间表示矩阵视作一个三阶张量。通过对张量施加低秩约束与引入最大相关熵准则的度量使所提出的模型不仅能够通过张量低秩约束充分挖掘视图间的高阶相关信息,并通过最大相关熵准则的度量消除多视图数据中噪声的影响。由于提出模型的非凸性,利用加速块坐标下降算法对模型进行有效求解。为验证TMVSC-MCC算法的性能,在4个图像数据集上进行对比实验,结果证实所提出的算法优于其他9种聚类算法。

自适应步长带回代的邻近分块乘子极小化算法

本文考虑求解带线性约束的多块凸优化问题,其中的目标函数有一项不可分离。对于目标函数中存在不可分离项,晁绵涛等人将块坐标下降法与交替方向乘子法相结合提出了PBMM-MS算法,并通过数值实验验证了其有效性。本文对PBMM-MS算法进行改进,提出了自适应步长带回代的邻近分块乘子极小化算法,该算法结合了步长的自适应调整技术,使步长在迭代过程中自动调整,提高了算法的计算效率。对于提出的算法,我们证明了其收敛性。

基于块稀疏快速重构的MISO活跃用户集与信道联合估计

针对多用户多输入单输出(Multiple input single output,MISO)系统的用户选择与信道估计问题,引入基于用户分布式自选择的信道接入策略,设计一种新的结合该策略的时分双分复用(Time division duplex,TDD)模式数据传输帧结构。利用用户活跃模式自然稀疏性和信道冲激响应时延域稀疏性,将基站接收上行随机导频序列建模为块稀疏线性模型。基于凸松弛的l2/l1模型提出一种快速的块稀疏重构算法求解问题模型。算法首先对目标函数进行变量分裂,然后利用交替方向法对各变量进行交替更新,直至满足收敛条件。交替更新中,对于无法获得闭式解的信号变量项,采取块坐标下降法求解。计算机仿真表明,与块正交匹配追踪和块压缩采样匹配追踪比较,新算法能够在保持高重构精度的前提下获得更快的计算速度。

交替方向块稀疏信号快速重构算法

研究模型压缩感知中的块稀疏信号重构问题.在l2/l1模型基础上,提出一种基于交替方向法的块稀疏信号重构算法.在该算法中,首先对目标函数进行变量分裂,然后利用交替方向法对各变量进行交替更新,直至满足收敛条件.仿真实验中,将该算法与块正交匹配追踪和块压缩采样匹配追踪算法进行比较,结果表明该算法能够在保持高重构精度的前提下获得更快的计算速度.

可重构智能反射面辅助的车联网资源分配算法研究

面对车辆通信对通信质量和频谱效率的更高要求,提出了一种可重构智能反射面(RIS)辅助的车联网资源分配算法。联合考虑RIS反射系数矩阵、功率分配和频谱共享方案,在确保V2V链路的可靠性条件下,建立一个V2I链路总容量最大化问题。由于该问题是一个变量之间高度耦合的非凸优化问题,难以直接求解。因此,在引入解析表达式近似V2V链路的中断概率后,利用块坐标下降(BCD)法将此问题分解为3个子问题,并通过引入辅助变量、逐次凸逼近(SCA)、匈牙利算法等对子问题进行求解,进而得到问题的近似次优解。仿真结果表明,所提算法具有良好的收敛性能,并能够有效地提高V2I链路总容量。

考虑硬件损耗的智能反射面辅助无线携能通信系统

为验证收发器硬件损耗对通信系统性能的影响,在考虑收发器硬件损耗的情况下,对智能反射面(intelligent reflecting surface,IRS)辅助的携能通信(simultaneous wireless information and power transfer,SWIPT)系统的鲁棒性传输设计进行研究.在考虑基站的最大发射功率、能量收集器的最小接收能量和IRS无源波束成形的约束下,将优化目标设为最大化所有信息接收者的加权和速率,并使用块坐标下降(block coordinate descent,BCD)算法将优化问题分解成多个优化子问题,交替优化.对于基站有源波束成形和IRS无源波束成形的优化问题,分别采用拉格朗日对偶方法和最优化最大化(majorization minimization,MM)算法来解决.仿真结果验证了收发器硬件损耗对系统性能的影响,也证实了信息接收端的硬件损耗要比基站发射端的硬件损耗对系统造成的性能下降更明显.