奇异变换半群的局部极大幂等元生成子半群的结构(英文)

设S是集合X ={ 1,2 ,… ,n}上的奇异变换半群 ,E是S的亏数为 1的全体幂等元之集 ,I是E的非空子集 ,所谓由I生成的子半群 I 是S的局部极大幂等元生成的子半群 ,即指 I 是S的真子半群 ,且对任何e∈E \ I ,有 I∪{e} =S。确定了S的所有局部极大幂等元生成子半群的结构 (在同构的意义下 )

和目标函数具有相同局部极小点的打洞函数

打洞函数方法作为求解全局优化问题的一种有效方法,其跳出局部极值的能力深受打洞函数性质的影响。随着实际优化问题的复杂化,其对应的打洞函数形式更加复杂。因此,构造形式简单且性质良好的打洞函数是打洞函数方法的主要研究目标之一。为了提高打洞函数方法求解多峰函数的效率,提出了一个新型的打洞函数,其局部极小点不仅是比目标函数当前局部极小点更优的可行点,同时也是更优的局部极小点,即打洞函数和目标函数具有相同的局部极小点。于是,只需极小化打洞函数即可直接求得比目标函数更优的局部极小点。基于此特点,设计了一个新的打洞函数算法,该算法改进了传统打洞函数法的算法框架,克服了交替极小化目标函数和打洞函数的局面,有效地减少了局部寻优的次数,加快了全局寻优的速度。理论分析和数值实验验证了算法的可行性和有效性。

四阶线性方程极弱局部间断Galerkin法傅里叶分析

主要研究了四阶线性方程极弱局部间断Galerkin方法的傅里叶误差分析问题。首先,给出四阶线性方程的极弱局部间断Galerkin空间离散格式,并在周期边界条件及一致网格的条件下将离散格式表示为差分形式,然后,在k=2的情况下,利用傅里叶分析方法分析其稳定性及其误差估计问题,最后,利用数值实验,分别对得到的结果进行验证。

未知环境下势场法路径规划的局部极小问题研究

势场法路径规划的局部极小问题已经受到了多年关注,本文针对环境完全未知的情况为移动机器人设计了一种基于行为的解决方法.该方法通过合理设计各种行为间的转换条件以保证可靠性,并引入记忆信息以增强机器人对周边环境的认知能力,从而降低决策的盲目性,更准确地决定当前应采用的合适行为.本文方法对于凸形边界障碍物的有效性得到了证明.针对一些复杂的凹形边界障碍物,仿真结果表明,该方法相对于一些已有方法更加可靠.基于真实机器人的实验验证了该方法的可行性.

基于互信息量图像配准中目标函数局部极值的成因分析与克服

图像的配准在医学临床科研、诊断等方面具有重要的应用。基于互信息量的全局图像配准方法具有自动化程度高、配准精度高等优点。但是 ,当平移距离为象素的整数倍时 ,插值算法会引入伪影 ,使目标函数产生局部极值 ,使得最优化搜索有时会终止于局部极值 ,得到错误的配准参数。本研究分析了这种插值伪影产生的原因 ,并提出了克服方法 ,经实验检验 ,该方法使目标函数进一步光滑 ,有效克服了插值伪影 ,保证了最优化搜索的准确性 ,提高了互信息量方法配准的成功率。

一种克服遗传算法收敛于局部极小的方法

本文针对遗传算法可能收敛于局部极小而最终得不到全局最优解的问题，提出了一种改进方法。

基于互信息图像配准中的局部极值问题研究

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,近年来在医学图像配准中得到广泛应用。但是当变换后像素坐标位于非采样网格点时,插值算法有时会使目标函数产生局部极值,使得最优化搜索终止于局部极值,得到错误的配准结果。分析了两种常见的插值算法和产生局部极值的原因,在此基础上提出一种新的插值算法。实验结果表明,该算法有效地抑制了基于互信息的目标函数的局部极值问题,使目标函数更加平滑。

同伦方法求解无约束非凸优化问题的局部极小

利用同伦方法求解无约束非凸优化问题,证明了在同伦映射为正则映射的条件下,选取合适的同伦方程,当算法可以排除鞍点时,同伦方法一定收敛到局部极小解,而非极大解.

基于特征尺寸及局部极值点的茶鲜叶方向识别

对粗大茶鲜叶实行梗叶分离,有利于提高成品茶品质,降低能源消耗。梗叶分离的关键在于茶梗与叶柄的识别。通过倾斜滑槽限定茶鲜叶的方位,将其转换为两方向判别问题。首先将茶鲜叶划分为长梗和短梗,对长梗茶鲜叶,提出基于特征尺寸的识别方法,特征尺寸大的一方判为叶尖;对短梗茶鲜叶,提出基于轮廓线局部极值点的识别方法,局部极值点多的一方判为叶尖。通过对168幅随机获取的图像及1幅背景图像的处理表明,茶鲜叶的方向识别率达93.3%。每根茶鲜叶的平均处理时间为17.8 ms,能满足实时处理的要求。

BP网络局部极小产生的原因分析及避免方法

在详细地讨论了算法陷入局部极小原因的基础上,对BP算法避免陷入局部极小提出了3种基本的方法。第一种是预先给定权初值。第二种是合理地设置网络隐含单元数目。第三种是采用感知器分解预置初值的方法避免BP算法陷入局部极小。

复杂环境下解决势场法局部极小问题的路径规划方法

多年来势场法路径规划的局部极小问题就一直被广泛关注,针对人工势场法所固有的缺陷提出了一种改进的移动机器人路径规划方法.方法利用膨胀与腐蚀算法对机器人的工作空间进行预处理,来优化工作环境,并使用改进的势场法进行机器人导航,以改善其运动轨迹;另外通过设置子目标点使陷入局部极小的机器人快速"逃离"极小状态.仿真结果表明本文算法在复杂环境下解决机器人路径规划的局部极小问题是有效的.

一种实用的克服局部极小的BP算法研究

ＢＰ算法由于其神经元输出函数为Ｓｉｇｍｏｉｄ函数，因此是一个非线性优化问题，不可避免地会出现局部极小。本文提供了一种改进的学习算法，提出判断局部最小的规则，能后引入冲量函数，使ＢＰ网络能够通过判断输出节点的输出误差来修改学习率，使误差函数在其梯度方向上出现大的跳跃，从而跳出局部极小。

基于多尺度局部极值和边缘检测的目标性算法

目标性作为目标检测的预处理算法,用于高效提取少量可靠的目标潜在区域,可替代针对复杂特征的多尺度滑动窗的分析方式,达到提升目标检测效率的目的。该文提出了一种基于多尺度局部极值和边缘检测的目标性算法。首先,基于原始图像的多尺度梯度特征,在不同尺度下利用均值滤波得到梯度强度的局部极值,并在原始图像上还原出初始目标潜在区域;然后,通过提取图像的边缘特征,计算初始目标潜在区域的目标性得分值;最后,对得分值进行尺度加权,并结合非极大值剔除冗余区域,最终输出少量可靠的目标潜在区域。通过PASCAL VOC和ILSVRC2014数据库的实验对比,该算法给定1000个候选区时在PASCAL VOC和ILSVRC2014分别达到97%和98%以上的召回率,同时有效地提升了首框召回率。

同伦方法求解一类非凸规划问题的局部极小

利用组合同伦内点方法求解目标函数为凸的一类非凸规划问题,证明了在同伦映射为正则映射的条件下,同伦方法一定收敛到局部极小解,并得到了当目标函数非凸时,若非凸规划问题所有的K-K-T点均在可行域边界上,则此同伦方法在同伦映射为正则映射的条件下,也收敛于局部极小解.

基于局部极值点的音频盲水印算法

该文提出了一种新的音频水印算法。它充分利用了离散小波变换的多分辨率特性,在小波变换的细节部分搜索局部极值点,通过修改局部极值及其相邻点的幅度值,实现水印信息的嵌入。水印检测不需要参考原始音频。实验结果证明了该算法的鲁棒性和不可感知性。

消除局部极值的多尺度形态学肝脏肿瘤CT图像分割方法

针对肝脏CT图像中因灰度不均、边缘模糊等造成肿瘤难以准确分割的问题,提出了一种消除局部极值的多尺度形态学分割方法。首先利用面积算子对图像进行预处理,在平滑图像的同时,保持目标区域的边缘信息;其次融合梯度图像中不同极值的邻域统计信息和形态属性(深度和尺度)区分极值,通过设定不同大小的结构元素,对不同极值采用多尺度结构元素进行闭运算,在消除伪局部极值的同时实现图像的自适应修正;最后利用分水岭变换分割肝脏肿瘤。实验结果表明,该方法能够在保持图像边缘的同时,有效减轻过分割现象,实现肝脏肿瘤的准确分割。

一类求多变量函数所有局部极小点的算法

为求出具有箱式约束的非线性全局优化问题所有的局部极小点，提出了一种基于Multistart方法的新算法．结合目标函数在可行域内的总变差、下降率和凹凸性等信息，构造了一个刻划局部极小点分布的G-度量．将可行域剖分为若干个小区域，把初始点按G．度量值的比例分配在每块区域上，使得局部极小点密集的区域能够被分配较多的初始点进行搜索；给出了有效初始点的判断条件为了进一步减少局部优化算法的运行次数．针对G-度量计算量较大的问题，设计了相应的近似计算方法，降低了计算量．选择了4个2维一10维具有大量局部极小点的测试函数进行求解，与Multisatart和Minfinder算法的实验结果进行对比，表明了该方法在收敛速度和搜索全部局部极小点上都有了较大的改进和提高．

基于互信息量图像配准中目标函数局部极值的克服

图像配准技术在医学图像处理领域中已经被广泛应用。基于互信息量的全局图像配准方法具有自动化程度高、配准精度高等优点。但是,当平移距离为像素的整数倍时,插值算法会引入伪影,使目标函数产生局部极值,使得最优化搜索有时会终止于局部极值,得到错误的配准参数。本文提出了一种克服的方法,经检验,能使目标函数进一步光滑,保证了最优化搜索的准确性,提高了互信息量方法配准的成功率。

从局部极小到全局最优

所有控制决策问题本质上均可归结为优化问题,但大部分存在多极小,因此如何摆脱局部极小以实现全局最优一直是理论界和工程界关注的热点课题。文章总结了若干全局优化技术的机制和特点,包括模拟退火、进化计算、禁忌搜索、变邻域搜索、噪声方法、巢分区、混沌搜索、隧道方法、平滑技术、混合算法等,力求为优化研究人员了解全局优化技术和开发高效算法提供指导。

基于局部极差变化率的风电功率波动定量刻画

针对目前风电功率波动性研究中缺乏对其时序演进特征定量刻画的问题,对风电场实测功率数据样本进行分析,提出一种基于局部极差变化率的风电功率持续波动状态的识别方法,提取风电若干个持续出力状态以描述风电功率的持续波动特征。以用来衡量局部极差变化率的幅值和相角为模型输入量,建立灰色多目标决策模型,通过兼顾幅值的变化和相角的变化以寻找模型次优解的方法挖掘出具有代表性的幅值和相角,进而定义表征波动的量即波动系数,并以此来量化风电功率在某一时间段内的波动。给出了使用波动系数修正现行风电场预测预报考核指标的方法。