基于随机扰动梯度近似的图像复原与重构算法

为了复原缺乏先验知识的降质图像以及探索层析X射线图像重构的新途径,借鉴Spall和Cristion的随机扰动近似(SPSA)方法,将其扩展到高阶和多元的情形,进而提出了一种新的随机扰动梯度近似算法.此算法无须先验知识或后验概率,具有良好的稳定收敛性.对比实验表明,将此算法用于图像的复原和重构可获得良好的效果,而且性能稳定.

基于梯度的扰动时变系统辨识算法及其收敛性

根据工程背景,提炼出了一类时变系统(亦称为广义时变系统或扰动时变系统)的数学描述模型.扰动时变系统是指参数随系统可测扰动量变化的一类时变系统.利用梯度搜索原理,提出了这类时变系统的投影算法、随机梯度和遗忘梯度辨识方法,并应用鞅超收敛定理分析了算法的收敛性.由于提出的随机梯度算法同时还利用了系统扰动量所含的信息,因而可以给出时变参数的一致估计.数字仿真验证了提出方法的有效性.

基于同时扰动随机逼近的“动中通”步进跟踪算法

为了提高动中通系统的跟踪性能,在对动中通系统特性分析的基础上,借鉴参数优化的思想和方法提出了一种基于同时扰动随机逼近的步进跟踪算法,算法的核心思想是利用高效的同时扰动技术对跟踪的梯度进行估计,而且算法仅利用带噪声的信号强度的测量值对梯度进行估计。该算法能够同时驱动天线波束在方位面和俯仰面以接收信号的最陡上升方向即梯度方向跟踪目标卫星。计算机模拟分析结果表明该算法不仅是有效的,而且具有较强的鲁棒性。

小随机扰动对梯度系统的影响

讨论了随机扰动对梯度器中竞争模型的影响 。

基于自适应组合窗函数的SPWVD算法及应用研究

针对平滑伪Wigller-Ville分布(Smoothing Pseudo-Winger-Ville distribution,SPWVD)在处理不同信号时,需要采用对应的平滑窗参数才能达到最优时频分布的问题,提出了一种基于自适应组合窗函数的SPWVD算法。该算法将Rényi熵作为时频评价指标,以组合窗函数的窗长和系数作为参数库,提出将随机梯度下降和扰动随机梯度下降分别用于窗长和系数的选取,提升计算速度分别为遍历法的20倍和9倍,最终得到信号的最优时频图。将上述的改进方法应用于碳纤维复合材料的缺陷检测中,结果表明,自适应组合窗函数的SPWVD可以有效地对不同信号选取最优的窗函数参数,对比固定窗函数的SPWVD,自适应组合窗函数的SPWVD具有更好的时频聚集效果,更加完备地对信号进行了表征,并对缺陷进行了定量分析,具备缺陷检测的良好应用前景。

基于改进的同步扰动随机逼近算法的聚表二元驱优化

聚表二元驱作为一种提高采收率的有效方法已经被广泛应用于各大油田,为实现聚表二元驱生产效益最大化,从油田实际情况出发,将油田开发的经济效益作为优化目标,选取聚合物与表面活性剂的质量浓度、注入体积、注入时机等参数作为调控变量,并结合改进随机差异化步长的SPSA算法进行优化求解,比较约束与不约束聚合物、表面活性剂使用总量。结果表明:随机差异化步长不仅可以加快算法的运行效率而且能更好地实现全局最优性;当不约束聚合物和表面活性剂使用总量时,在含水率越小时实施聚表二元驱,生产效益越好;当约束聚合物和表面活性剂使用总量时,聚合物和表面活性剂使用总量越小,在含水率越大时实施聚表二元驱生产效益越好。

随机扰动条件下对流弥散方程源项系数反演的数值模拟

应用梯度正则化算法对一维对流弥散方程中未知的源项系数进行了数值反演.在附加数据取真值的情况下,反演计算结果非常精确;而在附加数据有扰动的情形下,计算结果也基本稳定.这表明梯度正则化算法对于求解一维溶质运移中的源项反演问题是可行的和有效的.

图的最大二等分问题的投影梯度算法

本文基于图的最大二等分问题已有的半定规划松弛模型,给出了原问题的等价模型及其新的半定 规划松弛模型,利用投影梯度算法求解该半定规划松弛模型,最后使用随机扰动算法求得原问题 的近似最优解。理论和数值试验表明该方法不仅可以在较高的精度下求解中小规模的图的最大二 等分问题,而且特别适合求解大规模的图的最大二等分问题。

随机并行梯度下降图像匹配方法性能研究及优化

随机并行梯度下降图像匹配方法是一种全新的图像匹配方法,该方法同时对所有的变形参数施加相互统计独立的随机扰动,并以相关系数随机梯度分量代替真实的梯度分量进行迭代运算,使之能够快速地得到最优参数估计。在编程实现该技术方案的过程中,匹配坐标系选取、双边或单边扰动方式等因素对匹配效果影响明显。本文主要从这两个方面对匹配性能的影响进行分析研究并采取优化措施,使该方法得到进一步完善。

基于分段随机扰动幅值的随机并行梯度下降算法研究

为了提高随机并行梯度下降(SPGD)算法的收敛速度,提出了分段随机扰动幅值的改进方法。从理论上分析了固定增益系数时,随机扰动幅值对SPGD算法收敛速度的影响;提出了分段随机扰动幅值的改进方法;基于61单元变形镜,建立无波前探测自适应光学系统模型,对前65阶Zernike多项式模拟的满足Kolmogorov谱的大气湍流畸变波前进行校正。结果表明,采用分段随机扰动幅值的SPGD算法比固定最佳随机扰动幅值时传统SPGD算法的收敛速度提高了近1.6倍,证明了该改进算法的可行性。

自适应光学中SPGD算法关键参数实时调节方法

介绍了随机并行梯度下降(SPGD)算法及其在相干合成中的应用,针对实验中算法关键参数难以调节的难点,提出采用软硬件结合的新方式,实现对实验数据的在线采集和分析以及对SPGD算法关键参数的自动实时调节。开展了4路光纤激光相干合成实验,对不同调节方法进行对比。实验中采用新方式有效调节了SPGD算法中增益系数和随机扰动幅度的取值,合成效果显著。

基于单边SPSA的动态偏差数据驱动控制算法

当受控系统的数学模型完全未知时,应用同时扰动随机逼近算法(SPSA)建立数据驱动控制方法是比较可行的.文中对SPSA及其改进算法的原理和有效性进行了研究,分析了其在面向控制中的梯度逼近效率不高等不足,提出了一种针对控制问题的单边SPSA算法,该算法在实际控制中节约1/3的数据,使得其收敛速度和精度能够适用于控制问题.然后将单边SPSA与数据驱动控制方法相结合,提出了基于动态历史偏差的数据利用方案,对神经网络结构的函数逼近器进行直接自适应权值调整.仿真结果表明,该数据驱动方法完全不依赖于模型,对非线性系统进行了良好的控制.

随机扰动梯度近似中的矩收敛率

采用递归估计器的序列求函数的最小值 ,并扩展了Spall的同步扰动随机近似方法 ,进而提出随机扰动梯度近似算法 .对于任意的 1≤q<∞ ,可用估计误差的范数Lq 来度量收敛率 ,序列的收敛速度为O(n- 2 ) ,( >0 ) .在最小点上 ,若代价函数的Hessian矩阵的所有本征值都在 1 2的右面 ,则误差指数 2可任意地接近 1 2 ,并且代价函数足够光滑 。

基于移相器控制电压的“动中通”波束形成改进算法

在波束形成技术中,基于同时扰动随机梯度估计算法计算接收功率对移相器控制电压的梯度,研究了同时扰动随机梯度估计算法中扰动量和电压更新方程中步长的取值问题。仿真结果表明,随迭代次数变化的扰动量较固定扰动量能有效地提高算法的收敛性能,在同时扰动随机梯度估计算法中,将步长改为随阵元空间位置变化,能有效地提高电压更新方程的收敛速度。研究了与变扰动量有关的参数取值,指出了参数的选取准则。MATLAB仿真结果验证了所改进算法的正确性和有效性。

大气湍流自适应光学随机并行梯度下降算法的优化

基于随机并行梯度下降(SPGD)算法的自适应光学(AO)无需波前传感器就可以实现对波前相位畸变的闭环补偿。但是算法的收敛速度较慢,制约着其在实时性要求高的系统中的应用。根据SPGD算法中随机扰动对收敛速度的影响,提出一种利用泽尼克(Zernike)模式优化算法随机扰动的方法。针对大气湍流,建立了一个基于SPGD算法的61单元自适应光学仿真模型,并对一组符合Kolmogorov特性的相位畸变进行了数值仿真,分析了该优化方法对系统收敛特性的影响。仿真结果表明,与优化前相比,优化随机扰动后,校正精度略微下降,但是收敛速度得到明显的改善。

基于梯度投影法与随机优化算法的约束优化方法

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法.该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件.将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性.

基于非线性共轭梯度的同时扰动随机逼近方法

为了消除黑塞矩阵和步长因子的影响,利用非线性共轭梯度算法计算搜索方向,在混合非线性共轭梯度算法的作用下保证了每次搜索均为下降方向;利用非精确线搜索方法改进SPSA步长计算方法,通过与下降的搜索方向结合,保证了每次迭代时目标函数值的减小,加快了收敛速度.将改进的SPSA算法用于异步电机再励学习系统中,仿真结果证明了其可行性和优越性.

油藏开发生产鲁棒优化方法

将油藏模型系统的不确定性考虑到优化设计中,建立了油藏生产鲁棒优化控制模型。针对伴随法求解模型梯度过于复杂的局限性,提出了两种基于随机扰动近似法(SPSA)的梯度的计算方法,然后利用对数变换和投影梯度法将所得梯度投影到可行方向上进行迭代求解,最终获得满足生产约束条件的最优控制方案。计算实例表明,其取得了与伴随法相一致的优化结果,且最终控制方案能够有效地改善油田开发效果,降低生产的风险性。该方法实现过程简单,能够和各种油藏模拟器相结合,为解决实际油藏的生产优化问题提供了新思路。

种强非均质性油藏自动历史拟合混合求解方法

针对强非均质性油藏,提出一种强非均质性油藏自动历史拟合混合求解方法。混合由两部分组成,一是主成分分析方法(PCA)与离散余弦变换方法(DCT)混合,对先验模型进行特征提取能够在降低数据维数的同时保留更为全面的地质特征,提高历史拟合的鲁棒性;二是人工蜂群算法(ABC)与同步扰动随机近似算法(SPSA)混合,利用人工蜂群算法良好的全局搜索模式改进同步扰动随机近似算法对目标函数进行数值求解,提高算法的求解速度与精度。最后应用提出方法进行强非均质油藏模型自动历史拟合。结果表明:PCA与DCT方法混合能够有效提取强非均质油藏的地质特征,反演结果接近真实油藏模型。该研究成果可为复杂非均质油气藏地质特征的识别研究提供理论支持。

随机并行梯度下降图像匹配方法

基于灰度的图像匹配方法具有匹配精度高等优点,但在实时性方面还存在不足。本文提出一种基于随机并行梯度下降优化算法的快速图像匹配方法,该方法同时对匹配图像间所有的变形参数施加相互统计独立的随机扰动,然后计算扰动前后待匹配图像间性能评价函数的改变量,并用这一改变量对变形参数进行更新,进行迭代运算,最终实现快速的最优变形参数估计及图像匹配。将SPGD匹配方法用于对仿真和真实的图像序列中的目标进行跟踪,均证明了该匹配方法能进行正常匹配,匹配精度和最小二乘方法相当,但速度要较最小二乘匹配方法快。