基于遗传-拟牛顿算法的机器人几何参数辨识

为提升工业机器人绝对定位精度,提出了一种遗传-拟牛顿算法来辨识机器人几何运动参数并进行机器人绝对定位误差补偿的联合算法。首先,利用MD-H方法建立机器人运动模型,并通过微分变化原理建立机器人各个关节误差转换到机器人末端误差模型;其次,通过激光跟踪仪测得KR16-2型机器人在指定工作空间50处采样点信息,通过传统遗传算法和遗传-拟牛顿联合算法分别对机器人几何参数进行辨识和比较,并在此算法中提出小区间生成初始种群的方式来提高迭代效率,通过算数交叉和动态变异完成新个体的生成,解决了传统遗传算法出现过早收敛问题。结果表明,此算法对机器人进行补偿后的精度分别提高71.28%和53.23%,直线制孔平均误差是0.45 mm,弧面制孔平均误差是0.42 mm,验证了联合算法的优越性和实用性。

基于拟牛顿算法的电网智能计量与校准方法研究

随着智能电网的大力推广,对其的计量精度也提出了更高的要求。针对该情况,提出了一种基于拟牛顿算法的智能电表计量校准方法。该方法以智能电表的电能计量原理为理论基础,通过将智能电表的计量误差校准抽象为求计量误差最小值的最优化问题,以此建立起智能电表的计量校准模型。同时在模型求解过程中,选用计算精度及效率均表现优异的拟牛顿算法进行逐步迭代,以实现模型求解。再使用LabVIEW软件对所提出的算法进行计量与校准性能测试,实验结果表明,所提算法在电流波动的情况下仍能将计量误差稳定在0.1%之内。

无约束优化问题的精细修正牛顿算法分析

无约束优化问题是人们在探讨优化问题的典型和基础。为了解决这一问题,这一问题被提出时,牛顿通过研究确定了一种快速收敛的方式,解决了最速下降法存在的收敛性局限问题。但与此同时,牛顿算法不能解决一般非凸函数求解中迭代点矩阵正定不定的问题。最速下降法和牛顿算法可以分别解决迭代点矩阵负定或半负定、正定的问题。在前人研究的修正牛顿算法的基础上,笔者提出对最速下降法、牛顿算法及修正牛顿算法的优势进行结合,从而获得一种精细修正牛顿算法,用以解决迭代点矩阵正定不定的问题,收效良好,可以进行全局的收敛分析。

岩石和混凝土材料参数识别的修正高斯-牛顿算法

基于位移原形观测资料，采用修正的高斯－牛顿算法求解最小二乘问题识别混凝土和岩石介质的弹性模量。建 立了考虑先验信息的修正高斯－牛顿算法的迭代格式和迭代步长的确定方法。结合数值算例，研究了参数识别中需要 解决的反问题的唯一性和稳定性问题。最后介绍了此方法在工程中的实际应用情况。

改进最优潮流牛顿算法有效性的对策研究

对最优潮流牛顿算法实际应用中的两个主要困难：数值不稳定性和如何快速正确地预估起作用的不等式约束集分别作了详尽的分析研究，并提出了相应的处理对策。包括：一种改进的软惩罚方案；一种根据电网拓扑结构的快速预估起作用的电压不等式约束集的方案；试验迭代的有限次终止方案等等。并对多个ＩＥＥＥ 试验电力系统和我国２ 个实际电力系统作了全面的数值计算。结果表明，上述改进措施和方案，显著地提高了牛顿ＯＰＦ算法的数值稳定性、收敛性和计算速度，具有实用意义。

配网三相潮流的常雅可比牛顿算法

根据牛顿法的基本原理 ,本文基于配电网的特点 ,提出了一种新的适用于不对称配电网的三相常雅可比潮流算法。该算法引入内节点来处理平衡节点处的三相电压不平衡 ,同时对负荷节点进行了合理的假设 ,最终得到的雅可比矩阵为常数矩阵 ,在迭代过程中保持不变 ;同时算法不解耦 ,不受大的 R/X的影响 ;该算法对有环配网也同样适用。文中通过对算例进行仿真 。

一种新的配网潮流常Jacobian牛顿算法

根据牛顿法的基本原理,从复功率方程出发,对功率迭代方程中与电压相关的受控项进行初值替代,并对PV节点电压幅值线性拟合,使得算法的Jacobian矩阵变为常数矩阵,提高了计算效率,并显著降低了内存需求.算法不解耦,不受R/X数值大小的影响,并且对有PV节点的配电系统及有环配网也同样适用.最后,以多个算例表明,该算法具有出色的收敛性能和好的稳定性.

基于拟牛顿算法的自由下落猫的非完整运动规划

研究猫在自由下落时四肢着地的姿态运动规划问题。自由落体的猫在空中转体运动由于角动量守恒,姿态运动方程呈现为非完整形式。系统的控制问题可转化为无漂移系统的非完整运动规划问题。首先导出由两个对称刚体组成的力学模型的非完整姿态运动方程。利用最优控制理论和最优化技术,采用输入参数化的方法将连续的最优控制问题转化为离散的最优控制问题,基于拟牛顿方法,给出自由落体猫在空中姿态非完整运动规划算法。最后对自由落体猫作了数值仿真试验,仿真结果验证了该算法的有效性。

大步长非单调线搜索规则的Lampariello修正对角稀疏拟牛顿算法的全局收敛性

本文在Zhang H.C.的非单调线搜索规则基础上,结合Shi Z.J.大步长线搜索技巧提出了新的大步长的非单调线搜索规则,设计了求解无约束最优化问题的大步长非单调线搜索规则的Lampariello修正对角稀疏拟牛顿算法,在▽f(x)一致连续的条件下给出了算法的全局收敛性和超线性收敛性分析.数值例子表明算法是有效的,适合求解大规模问题.

双参数精确罚函数求解约束优化问题的拟牛顿算法

对于含约束不等式的最优化问题,给出了一种双参数罚函数形式和这种罚函数的精确罚定理,提出了一个求解这种罚函数无约束优化问题的拟牛顿算法,研究了它的收敛性,数值实验表明了该算法是可行的。

广义拟牛顿算法对一般目标函数的收敛性

本文证明了求解无约束最优化的广义拟牛顿算法在Goldstein非精确线搜索下对一般目标函数的全局收敛性 ,并在一定条件下证明了算法的局部超线性收敛性 .

拟牛顿算法在SVM内核优化中的应用

使用SVM进行分类,超参数的选择非常重要,它直接影响分类的性能。在实际应用中,最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交叉确认功能进行寻优。而拟牛顿算法,可在一个校验集上最小化一个经验误差估计来优化SVM的超参数,使超参数在分类任务中达到最优值,从而取得理想的分类结果。该文对拟牛顿算法进行了探讨,并将其应用在基于SVM的羽绒识别系统中,实验结果表明,该算法是有效的,与未经过超参数优化的SVM分类器相比,羽绒的识别率有了较大提高。

曲线搜索下新的记忆拟牛顿算法

利用新的曲线搜索方法,提出一种解决无约束优化问题的记忆拟牛顿算法,给出该算法全局收敛的条件并进行数值实验.新算法由曲线搜索确定迭代步长,搜索方向用到当前迭代点信息的同时还用到上一次迭代点的信息,而且搜索方向与迭代步长同时确定,是一种有效的算法.

求解最优潮流的稀疏拉格朗日牛顿算法

给出了用于电力系统最优潮流计算的稀疏拉格朗日牛顿算法 ,进行了实例计算 ,证明了本算法的有效性。

拉格朗日支持向量回归的有限牛顿算法

拉格朗日支持向量回归是一种有效的快速回归算法,求解时需要对维数等于样本数加一的矩阵求逆,求解需要较多的迭代次数才能收敛。采用一种Armijo步长有限牛顿迭代算法求解拉格朗日支持向量回归的优化问题,只需有限次求解一组线性等式而不需要求解二次规划问题,该方法具有全局收敛和有限步终止的性质。在多个标准数据集上的实验验证了所提算法的有效性和快速性。

绝对值方程的光滑牛顿算法

针对绝对值方程Ax+B x=b的求解问题,给出了光滑牛顿法。通过引进极大熵函数将绝对值方程进行光滑化处理,进而转化为非线性光滑方程组,利用光滑牛顿算法对其进行求解,并对算法的收敛性和收敛速度进行了验证。数值实验结果表明该算法是有效的。

一个求解二阶锥规划的光滑牛顿算法

本文研究了二阶锥规划问题.利用新的最小值函数的光滑函数,给出一个求解二阶锥规划的光滑牛顿算法.算法可以从任意点出发,在每一步迭代只需求解一个线性方程组并进行一次线性搜索.在不需要满足严格互补假设条件下,证明了算法是全局收敛和局部二阶收敛的.数值试验表明算法是有效的.

一类新的非拟牛顿算法及凸函数的整体收敛性

引入了与非拟牛顿算法相结合的一类Goldstein型不精确线搜索 ,并在一目标函数是凸的假设之下 。

一类非拟牛顿算法的全局收敛性

在一定条件下 ,对于一致凸的目标函数 。

非线性互补问题的光滑化拟牛顿算法

为求解非线性互补问题,给出了一种新的基于光滑对称扰动Fischer-Burmeister函数的光滑化拟牛顿算法。该算法利用了无导数线搜索。数值实验表明,算法是有效的。