变阶式递推增广算法及应用

本文给出一种能自动改变模型阶数的变阶式递推增广的最小二乘法 ,在此基础上 ,对一类CARMA系统给出一种在线自动辨识机。实际应用表明 ,这种辨识机不仅可用于模型的在线辨识 ,大大减小建模的计算量 ,而且对系统进行预报时 ,具有较高的精度。

稳态大系统递阶最优控制的变量增广算法

本文提出了稳态大系统梯阶最优控制的变量增广算法(简称变量增广法)。变量增广法既能起到凸化作用,又能保持原问题的可分性,並且改善了稳态递阶量优控制算法的收敛性质,扩大了它们的应用范围。本文通过大量的计算机数字仿真,提出了算法的迭代增益系数的选择原则。

基于增广切比雪夫算法的多模式城市智慧公共交通换乘时刻表协同优化研究

随着智慧交通系统的快速发展,实现城市轨道交通与公交服务的高效整合已成为紧迫的任务。这不仅影响到广大市民的出行体验,更关系到政府管理效能与乘客的出行效率。为确保乘客在多模式换乘过程中的出行体验,策略性地优化公交发车时间表,实现多模式城市公共交通的协同变得尤为重要。首先构建了一个双目标优化模型,在确保时刻表稳定性的同时,缩短乘客的换乘时间;然后引入并探讨了增广切比雪夫算法在多模式城市智慧公共交通换乘时刻表协同优化框架中的应用;最后为了对模型进行实证验证,选取了深圳地铁和公交的IC卡刷卡数据作为研究样本。通过与非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的对比分析,研究结果指出,经过优化的增广切比雪夫算法在处理地铁与公交的互联互通优化问题上展现出了良好的性能和适应性。

符号矩阵填充的修正增广拉格朗日乘子算法

矩阵填充问题是近年来的研究热点之一,特别地,符号矩阵填充问题在生物医学等领域有着很好的应用前景.本文以奇异值阈值方法为基础,针对符号矩阵填充提出了修正的增广Lagrange乘子法.修正算法对每步产生的阈值矩阵进行符号投影,形成新的符号矩阵,构成在符号矩阵离散集合上的迭代.同时证明了在合理条件下,当罚因子充分大时,修正算法是收敛的.最后通过数值实验与传统的增广Lagrange乘子算法和遗传算法做对比,新算法在时间和误差上具有很强的优越性.

线性相位FIR滤波器约束Chebyshev设计的增广Remez算法

主要讨论线性相位FIR数字滤波器的约束Chebyshev设计问题 .Remez算法是一种高效的Chebyshev逼近算法 ,而其理论基础是交错点组定理 .针对约束Chebyshev逼近问题提出一个增广交错点组定理 ,并根据此定理提出了一个增广Remez算法 ,用于求解带不等式约束的线性相位FIR数字滤波器的Chebyshev设计问题 .如果问题的解存在 ,此算法一定收敛到问题的解 .与现有其它方法的比较表明 ,此算法有很高的效率 .

最短增广路算法改进最大流问题运行时间证明的修正

最大流问题在工程计算机原理与通信系统、应用数学以及社会和军事等领域有着广泛的应用.利用最短增广路算法可以有效改进最大流问题的运行时间,提高计算效率.本文是对最短增广路算法改进最大流问题运行时间证明过程的部分修正.

基于增广Lagrange算法的高拱坝横缝开度接触仿真研究

把拱坝相邻坝段间的接触问题表示为一个标准的凸二次规划模型,利用增广Lagrange算法求解形如凸二次规划问题的非线性接触问题。对小湾高拱坝施工期横缝开度进行仿真计算,仿真中考虑了坝体材料的热力学性能、浇筑过程、环境温度变化、封拱和蓄水过程、接缝在灌浆前后的不同力学性质。仿真结果表明二期冷却结束时大部分灌区横缝开度满足灌浆要求,接缝灌浆后蓄水对横缝有压紧作用,不存在二次灌浆问题,不满足灌浆要求的灌区局部超冷2℃后,横缝开度均可满足灌浆要求。

增广Lagrange函数优化算法在稀疏信号重构问题中的应用

针对稀疏信号恢复的lp优化模型(0<p≤1),提出了一种可行稳健的增广Lagrange函数优化算法。该算法通过构造精确罚函数的方法,设置有限的增广因子参数,有效地避免了类似于传统FOCUSS迭代算法中出现的计算病态性问题,从而极大提高了信号恢复的精确度。为解决大规模的信号重构问题,还引入了共轭梯度法,以促进算法加速收敛。最后,仿真结果表明,改进型的增广Lagrange函数优化算法较大程度提升了稀疏信号重构的能力。

Toeplitz矩阵压缩恢复的两种中值修正的增广Lagrange乘子算法

增广Lagrange乘子算法是求解矩阵压缩恢复的一种有效迭代方法.为了有效求解Toeplitz矩阵压缩恢复模型,本文提出了两种中值修正的增广Lagrange乘子算法.在新算法中,对增广Lagrange乘子算法每步产生的迭代矩阵进行中值修正并保证其Toeplitz结构.新算法不仅减少了奇异值分解所用的时间和CPU时间,而且获得更精确的迭代矩阵.同时,本中还详细给出了两种新算法的收敛性分析.最后通过数值例子验证了新算法的可行性和有效性,并展示了新算法在计算时间和精度方面比增广Lagrange乘子算法更有优势.

修正的增广拉格朗日算法的收敛性

考虑了四种不同的算法策略来修正增广拉格朗日算法,表明不要求乘子有界就能收敛到原问题的全局最优解.

Toeplitz矩阵填充的尾端修正增广拉格朗日乘子算法

基于均值的增广拉格朗日乘子(MALM)算法,提出了一种尾端修正的Toeplitz矩阵填充新算法.该算法利用增广拉格朗日乘子(ALM)算法迭代速度较快的优点,对迭代矩阵序列进行结构化与尾端修正.在一定程度上减少了每步均值处理所产生的数据传输量,从而降低了计算代价.同时详细讨论了新算法的收敛性.最后通过数值实验证明了新算法比l步修正的增广垃格朗日乘子(l-MALM)、MALM以及ALM算法在计算时间上有较大程度的减少.

求解稀疏逻辑回归问题的嵌套BB算法的分裂增广拉格朗日算法

逻辑回归是经典的分类方法,广泛应用于数据挖掘、机器学习和计算机视觉.现研究带有程。模约束的逻辑回归问题.这类问题广泛用于分类问题中的特征提取,且一般是NP-难的.为了求解这类问题,提出了嵌套BB(Barzilai and Borwein)算法的分裂增广拉格朗日算法(SALM-BB).该算法在迭代中交替地求解一个无约束凸优化问题和一个带程。模约束的二次优化问题.然后借助BB算法求解无约束凸优化问题.通过简单的等价变形直接得到带程。模约束二次优化问题的精确解,并且给出了算法的收敛性定理.最后通过数值实验来测试SALM-BB算法对稀疏逻辑回归问题的计算精确性.数据来源包括真实的UCI数据和模拟数据.数值实验表明,相对于一阶算法SLEP,SALM-BB能够得到更低的平均逻辑损失和错分率.

符号矩阵填充的修正增广拉格朗日乘子算法

以增广Lagrange乘子算法为基础,通过对阈值矩阵进行投影,提出修正的增广Lagrange乘子算法.新方法保证每次迭代产生的矩阵是可行的符号矩阵.同时给出新算法的收敛性分析.最后通过数值实验说明了新的算法在时间和误差上比传统的遗传算法更有效,误差能够达到零,达到精确恢复的效果.

关于相机自标定算法的研究

针对传统相机自标定方法需要利用三个正交方向的消失点,在实际场景中不容易满足并且无法求得畸变系数的问题,提出了一种改进的相机标定的方法,该方法基于二消失点和低秩纹理对车载相机进行标定和畸变矫正。首先引用RANSAC算法进行消失点查找,利用相机成像的投影模型和消失点之间的几何特性求解相机的焦距和外参;再利用图像的低秩性进行建模,通过增广拉格朗日算法对模型进行迭代求出相机的畸变系数。实验结果表明该方法具备较好的精度和实用性。

矩阵填充的混合型增广拉格朗日乘子算法

文章在经典增广拉格朗日乘子算法的基础上,提出了一种新的混合型增广拉格朗日乘子矩阵填充算法.通过定义混合型奇异值阈值算子,得到了一种求解矩阵填充问题的新的混合型增广拉格朗日乘子算法.数值实验表明,新算法大大提高了矩阵填充的求解效率,节约了计算花费,其效果明显优于经典的增广拉格朗日乘子算法.

求解多设施韦伯问题的半光滑牛顿增广拉格朗日法

重点研究了解决多设施韦伯问题(MFWP)的有效算法。首先,将MFWP重新表述为它的等价形式,然后提出一种半光滑牛顿增广拉格朗日(Ssnal)算法来求解MFWP,并且刻画了Ssnal算法的全局收敛性和局部渐近超线性收敛性。最后,在数据集上进行数值实验,结果表明,Ssnal算法在鲁棒性和计算效率方面都优于双曲近似过程(HAP)算法和交替方向乘子法(ADMM)。

永磁同步电机双率残差增广最小二乘参数辨识

针对永磁同步电机系统输入输出的本质多采样率特性,结合多项式变化技术,构建模型转换矩阵,推导出基于电流和电压的永磁同步电机双率采样数学模型,获得其扩展参数向量,并构建其回归模型,针对输入输出量中不可测干扰量采用残差估计,进而建立永磁同步电机双率残差增广最小二乘算法(DR-RELS),对其算法收敛性进行分析。仿真实验结果表明,DR-RELS算法对变换后的永磁同步电机双率采样数据模型参数估计一致收敛,同时噪声方差的大小影响该算法收敛效果。

复杂配电网络三相实用潮流算法

基于配电网放射状结构、网络拓扑约束特点和戴维南多端口等值电路、高斯—赛德尔PV节点迭代等补偿技术 ,并结合拓扑扩展和矩阵增广的数值方法提出一种解决复杂配电网络的实用潮流计算方法。实验表明 ,本文算法是有效的。

基于一个网络图最大流算法的改进

现有的求解网络最大流算法,存在由于增广链选取的顺序不当而无法得到理想的最大流,且在计算过程中每步都需要画一个网络图等问题。针对上述问题展开讨论,并对一些最大流算法进行改进。利用分层网络及容差的概念,在选择增广链的时候优先选择路径最短且容差较大的路径,并将已饱和的弧画上终止符。最后通过具体的算例验证了改进算法可以简单快速地找到增广链,且避免了标号过程,只需要在一个图上即可完成。整个运算过程,直观性强,计算方便。改进的算法较其他的算法具有高效性和实用性的优势。

低秩矩阵恢复算法综述

将鲁棒主成分分析、矩阵补全和低秩表示统称为低秩矩阵恢复,并对近年来出现的低秩矩阵恢复算法进行了简要的综述。讨论了鲁棒主成分分析的各种优化模型及相应的迭代算法,分析了矩阵补全问题及求解它的不精确增广拉格朗日乘子算法,介绍了低秩表示的优化模型及求解算法。最后指出了有待进一步研究的问题。