基于迭代均值组合近似模型和序贯优化与可靠性评估法的船舶结构优化设计

针对传统可靠性优化方法不能同时保证大型船舶结构计算效率与精度的问题,在船舶结构优化设计中考虑设计变量的不确定性,通过迭代均值组合(ER)近似模型和粒子群算法(PSO)提高序贯优化与可靠性评估(SORA)法的计算效率和精度,建立了改进的可靠性优化设计流程并解决了多用途船舱段的可靠性优化问题.其中:SORA法将可靠性分析与优化过程解耦,并提高了可靠性优化效率;PSO保证了SORA法优化所获全局最优解的计算效率;ER近似模型能够以最少的采样点建立满足精度要求的近似模型,并代替最有可能的失效点(MPP)和优化过程中耗时的有限元计算.多用途船舱段的可靠性优化结果表明:可靠性优化相较于确定性优化更有实际意义;改进的可靠性优化设计流程在保证计算精度的同时能够显著降低计算成本.

求解大规模机组组合问题的策略迭代近似动态规划

针对动态规划存在的“维数灾”问题，提出了一种求解大规模电力系统机组组合（unit commitment，UC）问题的策略迭代近似动态规划（policy iteration-approximate dynamicprogramming，PI．ADP）方法。采用策略迭代对动态规划过程中的值函数进行近似，替代了从可行状态中精确计算值函数的过程，避免了“维数灾”的发生。在值函数的近似过程中，利用了实际系统的运行约束有效压缩状态空间，减少可选择的启停动作，进一步降低了计算量。10－1000机96时段系统的计算结果表明，所提方法能在较少时间内获得高质量的解，从而为求解大规模电力系统UC问题提供了参考。

结构静态拓扑重分析的迭代组合近似方法

提出一种拓扑修改的静态重分析的迭代组合近似方法.这种方法基本上是两步法。首先,将新增加的自由度通过Guyan缩减方法凝聚到原始自由度上,形成凝聚方程.其次,用迭代组合近似方法求出原始自由度的近似位移,从而求出原结构自由度的位移.新增加自由度的位移可以通过恢复得到。通过板结构的加筋布局优化设计的数值例子表明,该方法对拓扑修改较大时仍可得到满意的结果。

基于迭代更新近似模型的车内噪声优化

基于声固耦合分析与迭代更新近似模型对车身板件进行了优化。首先通过板件声学贡献量分析,确定影响车内噪声的关键板件,将其厚度作为设计变量,在减少计算量的同时去除了无关变量的干扰。然后建立不同激励下驾驶员右耳处最大声压与关键板件厚度之间的组合近似模型,对其进行多目标优化并采用序列二次规划和K均值聚类算法对近似模型进行更新,使得采样样本逐渐靠近Pareto前沿,从而提高近似模型在Pareto前沿上的精度。优化结果表明,迭代更新近似模型能够有效优化车身结构,在保证轻量化的同时,降低了车内噪声。

基于离散近似迭代法的多阶段M-SAD投资组合优化

提出了具有交易成本和交易量限制的多阶段均值-半绝对偏差(M-SAD)投资组合模型,并用自创算法——离散近似迭代方法求解。该算法的基本思路为:首先,将连续型状态变量离散化,根据网络图的构造方法将上述模型转化多阶段赋权有向图;其次,运用嘉量原理求出起点至终点的最长路程,即获得模型的一个可行解;最后,以该可行解为基础,继续迭代直到前后两个可行解非常接近。文章还证明了该方法的收敛性和复杂性。

基于非局部均值去噪算法的PM模型及其Split-Bregman迭代实现

基于偏微分方程能量变分模型中规则项的设计,将传统的基于梯度的PM模型与非局部均值算法相结合,对加性噪声进行去噪在最小化非局部PM模型能量函数的过程中,分别运用原始算法和Split-Bregman迭代算法进行了数值运算,结果表明,两种方法均取得到了较好的修复效果。

基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法。首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量输入KFCM得到聚类结果。试验结果表明,与基于EMD,EEMD和KFCM聚类,以及ALIF和FCM聚类的方法相比,ALIF和KFCM方法的分类系数更接近1,平均模糊熵更接近0,聚类效果更好,对滚动轴承各类故障信号具有很高的识别度和良好的分类效果。

病态线性系统的控制模型设计及其迭代算法

建立一种解决病态线性系统的控制模型,得到求解病态线性系统近似解的一种新算法.该算法为病态线性系统利用计算机迭代求解提供了直接的算法依据,同时也适合于常态线性系统近似解的计算.最后将新算法与传统的Gauss-Seidel算法进行比较.

基于正反向累加的含线性时变参数DGM模型的变权组合预测

电力负荷预测是电力系统优化规划的依据。为了从一组原始电力数据序列中获取更多信息,提高中长期电力负荷预测的精度,本文在研究数据正向联系和逆向联系的正、反向累加方式基础上,对含线性时变参数的离散灰色模型进行改进,同时加入进一步减小误差的迭代基值优化过程。最后利用两种单项预测模型构造出一种双向获取信息的变权组合预测模型,给出其建模步骤,并对某城市电力供电量发展水平进行预测。通过与DGM和LT-DGOM及其单项预测模型进行对比验证其预测效果。

基于实例的均值–方差和均值–下半方差投资组合模型对比分析——以股票资产和银行活期存款为例

均值–下半方差的投资组合模型是Markowitz经典均值–方差模型的推广,下半方差更能刻画投资风险。本文选取中国大陆证券公司的四只股票和中国银行活期存款的实际数据,基于非线性规划的迭代算法,分别对均值–方差模型和均值–下半方差模型求解,结果表明两个模型对约束条件的选择敏感,相同约束条件下,均值–下半方差模型的组合方案较优。

MapReduce模型下的模糊C均值算法研究

针对模糊C均值算法需要不断迭代来计算样本数据的隶属度值以及聚类中心的特点,利用MapReduce模型解决海量数据下的模糊C均值问题,进而提出高效的模糊C均值算法。在Map阶段和Reduce阶段分别完成隶属度和聚类中心的计算,每次迭代都需要启动一次完整的MapReduce执行过程。通过多次迭代计算出隶属度值以及聚类中心,并更新聚类中心文件,供下一轮作业使用,重复执行这一过程直至得到最终聚类结果。实验结果表明,该算法能够有效减少MapReduce计算过程中的迭代次数,从而提高整体执行效率。

基于近似消息传递与卡通纹理模型的图像重构

近似消息传递(approximate message passing,AMP)的高相变性能与低计算复杂度使其非常适用于图像重构等大数据量应用领域。如何充分利用图像的结构化稀疏先验是基于AMP研究图像重构的一个关键问题。将卡通-纹理模型引入AMP图像重构,根据迭代滤波中待处理图像卡通、纹理成分的不同特点,设计基于双树复数小波变换与全变差的层次化AMP滤波算子,进而分析AMP迭代次数对滤波对象结构特征与滤波算子性能的影响,研究AMP的阶段化滤波操作,提出一种基于卡通-纹理模型与分段滤波的AMP图像重构算法。实验表明,该算法能够更好地保留图像轮廓与纹理信息,提高图像的重构质量。

均值—动态方差多阶段投资组合优化研究

文章将动态风险度量方法运用到多阶段投资组合中,提出了具有交易成本和交易量限制的均值—动态方差多阶段投资组合模型,并运用自创算法——离散近似迭代法求解。最后,以一个具体的算例,验证了该算法可以较快地计算出不同终期财富所对应的最优投资策略。

一类具约束选址模型的组合算法

针对一般具闭凸集约束的单址选址模型 ,提出具全局收敛性的组合算法 .算法在迭代中先采用信赖域技巧 ,当出现”内循环”时 ,则改用不做线搜索的梯度法 .该算法既具有信赖域算法的优越性 ,又避免了出现”内循环”时造成的隐迭代 .同时 ,该算法通常不需进行线搜索 。

稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar,SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题,提出基于稀疏优化理论的重建成像方法。该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理,利用SAR回波模拟算子,避免了二维回波信号矩阵变成向量的操作,从而减小了内存占用和计算量。所提出的基于SAR近似观测模型的迭代优化重建算法能够实现对观测目标幅度的高精度重建。和传统基于匹配滤波的SAR成像算法相比,提出的算法能够明显地消除SAR方位向随机丢失部分数据引起的目标模糊和目标能量分散。和迭代软阈值收缩算法相比,提出的算法重建的目标幅度误差更小。理想的点目标回波数据和真实的星载SAR稀疏观测场景的回波数据处理表明了所提算法在减少重建目标误差、提高观测目标区域的目标背景比等方面有较大的优势。

WSN双迭代栅格扫描定位算法

针对无线传感器网络(WSN)中的定位算法在不规则通信信号传播模型下存在定位误差较大的问题,提出双迭代栅格扫描定位算法。由Grid-Scan算法得到初始位置估计,当满足近似角匹配算法和迭代扫描算法的定位条件时,通过锚节点迭代扫描算法缩小定位区域内的栅格数量产生位置估计,再采用近似角匹配算法得到一个位置估计,将该位置估计作为下一次锚节点迭代扫描的初始位置。该方法主要运用近似角匹配法不断改变锚节点迭代扫描法的初始位置,而锚节点迭代扫描算法可缩小定位区域,从而形成两层迭代。当满足迭代终止条件时,双迭代停止,并得到最终的位置估计。仿真结果表明:在Log-normal模型下,结合近似角匹配的双迭代定位算法具有较好的定位效果。

基于重加权低秩近似和高斯混合模型的图像块效应去除算法

针对离散余弦变换(Block-based Discrete Cosine Transform,BDCT)在图像解码器处产生的块重构伪影现象,提出了一种联合两种先验知识的图像去块效应算法,这两种先验知识分别是重加权低秩近似和高斯混合模型。该算法首先利用重加权低秩近似来增强图像块之间的局部结构和非局部的自相似性,有效地保留原始图像中更多的精细结构。其次,还利用高斯混合模型对块状伪影进行建模获得更可靠、更鲁棒的结果。通过在标准测试图像上的实验表明,提出的算法在主观视觉效果和客观评估方面均优于其他的块效应去除方法。

基于预测-校正原对偶内点法的无功优化新模型

在有载可调变压器模型中引入虚拟节点,并通过该节点的电压来表示理想变压器对功率、电压的转换关系,由此在直角坐标系中建立了无功优化问题的二阶新模型。该新模型的海森矩阵是精确的常系数矩阵,在内点法迭代过程中只需要计算一次,从而缩短了每次迭代的计算时间。利用AMD算法对内点法修正方程的系数矩阵进行节点优化编号,减少了其LU分解所产生的注入元。通过存储海森矩阵的非零元素值、其行、列号及对应的拉格朗日乘子编号,提出了一种新的非零元素存储方式,极大地减少了海森矩阵与乘子线性组合的计算量。基于节点数从14到1338的7个测试系统进行了仿真计算,结果验证了所建模型与方法的正确性与有效性。这种建立模型的思想还可以应用到需要计算海森矩阵的动态无功优化、最优潮流以及状态估计等问题的算法中,以提高其计算速度。

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。

基于均值漂移的改进目标跟踪算法

在可视化跟踪过程中目标窗经常会由于遮挡、光照、姿势等变化而发生跟踪漂移,影响目标跟踪的准确性和稳定性。为解决该问题,提出一种基于图层的离散域均值漂移算法,在离散域提取基于核的直方图作为目标模型,并对离散分区中的目标函数进行平滑以避免寻优搜索陷入局部极小值,从而提高目标跟踪性能。实验结果表明,与多示例学习算法相比,该算法的跟踪精度提高了16%,具有更好的实时性和鲁棒性。