自适应耦合局部最优法及其在模型修正中的应用

耦合局部最优法作为一种新型的优化技术,既具有高效的搜索速度又具有全局搜索能力。然而,对于大规模优化问题,该方法容易陷入局部最优;另外,梯度信息在该项技术中起着重要作用,而对于复杂问题往往不能得到精确的梯度信息,从而使得该算法的全局搜索能力下降。本文分别从初始种群的确定、变步长搜索、自调节种群三方面对原算法进行了改进,提出了自适应耦合局部最优法,使之具备解决多变量复杂优化问题的能力。通过两个测试函数验证了改进算法比原有算法更易于得到全局最优解并保持较高的计算效率。最后,采用一个试验算例验证了自适应耦合局部最优法的有效性。

局部能量最优法与曲线曲面的光顺

曲线光顺处理的方法主要有选点修改法和优化方法 ,而 Kjellander方法是最常用的选点修改法之一 .文中提出一种选点修改法——局部能量最优法 ,该方法在三次均匀参数曲线光顺问题上进一步改进了 Kjellander方法 ,具有更好的光顺效果 .对三次 B样条曲面给出了一个与此相关的曲面光顺方法 .

基于粒子滤波的移动机器人SLAM改进算法

针对未知环境中移动机器人同时定位和地图创建(Simultaneous Localization and Map Building,SLAM)由于机器人位姿和环境地图都不确定导致定位和地图创建变得更加复杂,提出一种局部最优(全局次优)参数法,即通过局部最优的位姿创建局部最优的环境地图,再通过局部最优的环境地图寻求局部最优的位姿,如此交替进行,直到得到全局确定性的位姿和确定性的环境地图。实验结果表明,同标准的基于粒子滤波的SLAM算法(Particle Filtering-SLAM,PF-SLAM)比较,改进的算法提高了机器人SLAM过程中定位的准确度和地图创建的精确度,为机器人在未知的室外大环境同时定位和地图创建提供新的方法。

连续控制系统数字再设计

本文对连续控制系统数字再设计的 3种方法———离散状态匹配法 ,双线性变换法 ,局部最优化进行比较研究 ,给出了仿真结果。仿真结果表明 :局部最优法优于前两种方法 。

Modified constriction particle swarm optimization algorithm

To deal with the demerits of constriction particle swarm optimization(CPSO), such as relapsing into local optima, slow convergence velocity, a modified CPSO algorithm is proposed by improving the velocity update formula of CPSO. The random velocity operator from local optima to global optima is added into the velocity update formula of CPSO to accelerate the convergence speed of the particles to the global optima and reduce the likelihood of being trapped into local optima. Finally the convergence of the algorithm is verified by calculation examples.