模拟退火算法和BFGS算法联合反演的多光谱辐射测温方法研究

多光谱辐射测温法是一种非接触的测温方法,在众多工业领域中应用极为广泛。但是,由于波长、被测物体的温度、材料组分和材料表面状态等因素的共同影响,难以获得被测物体准确的温度。针对以上问题,提出一种SA-BFGS多光谱辐射测温算法。首先,根据多光谱辐射测温原理,建立数学模型,将多光谱辐射测温问题转化为非线性优化问题;然后,利用Wolfe线搜索法求解BFGS算法的最优步长;之后,针对BFGS算法初值选择不当极易陷入局部最优甚至不能收敛的缺陷,利用模拟退火(SA)算法近似求出目标函数的最优解当作改进后的BFGS算法的初始值。最终得到被测物体真实温度和光谱发射率。仿真结果表明:该方法测温的相对误差小于2.5%,验证了SA-BFGS算法的有效性。

求解非线性方程组的BFGS差分进化算法

针对差分进化算法进化后期收敛缓慢和稳定性不强的缺陷,将BFGS算法插入差分进化算法当中,提出了一种BFGS差分进化算法,用来求解非线性方程组。通过5个非线性方程组和一个工程实例的实验,说明:算法收敛精度较高、收敛速度较快、鲁棒性强、收敛成功率高,是一种较好的解决非线性方程组的方法。

基于混沌优化和BFGS方法的最优潮流算法

将混沌优化与拟牛顿法中的 BFGS方法相结合 ,提出了一种新的混合优化算法 ,并应用该方法进行电力系统最优潮流的计算。混沌优化方法利用混沌运动内在的遍历性、随机性和规律性等特点 ,跳出局部最优解 ,接近最优点 ;同时 ,利用 BFGS方法在最优点的邻域内局部寻优 ,提高了收敛速度和求解精度。通过对 IEEE 1 4,30和 5 7节点试验电力系统的数值计算 。

最优化问题全局寻优的PSO-BFGS混合算法

针对利用粒子群优化算法进行多极值函数优化时存在早熟收敛和搜索效率低的问题,提出混合的PSO-BFGS算法,并增强了混合算法的变异能力使算法能逃出局部极值点。通过对三种Benchmark函数的测试结果表明,PSO-BFGS算法不仅具有有效的全局收敛性能,而且还具有较快的收敛速度,是求解最优化问题的一种有效算法。

基于BFGS信赖域算法的孤岛微电网潮流计算

分散下垂控制策略的孤岛微电网,系统中没有平衡节点,多个下垂控制的分布式电源(distributed generator,DG)装置参与系统频率的调节并达到新的频率稳态值,传统配电网潮流计算方法将不再适用。针对分散下垂控制策略的孤岛微电网潮流计算,提出基于BFGS信赖域算法的潮流计算新方法。把DG装置处理为PQ节点、PV节点和下垂节点3种类型,建立下垂节点潮流计算模型;分析非线性节点功率方程组的求解,并将其转化为无约束最优化问题,再采用带BFGS修正的信赖域算法进行求解,得到系统稳态频率及各节点电压。对改造后的37节点孤岛微电网系统应用提出的方法进行潮流计算,验证了算法的正确性和有效性。

基于BFGS拟牛顿法的压缩感知SL0重构算法

平滑l0范数(SL0)算法是一种基于近似l0范数的压缩感知信号重构算法,采用最速下降法和梯度投影原理,通过选择一个递减序列来逐步逼近最优解,具有匹配度高、计算量低、不需要已知信号稀疏度等优点。但是,其迭代方向为负梯度方向,使得在迭代过程中产生"锯齿现象",导致在最优解附近收敛速度较慢。牛顿法具有较快的收敛速度,但是对初值的要求较高,并且需要计算Hesse矩阵。拟牛顿法则克服了这个缺点,利用BFGS公式计算Hesse矩阵的近似矩阵,只需要计算1阶导数信息。该文在SL0算法的基础上,结合BFGS拟牛顿法,提出一种改进的压缩感知信号重构算法。首先采用最速下降法迭代得到信号的某个估计值,然后将此估计值作为拟牛顿法的初值继续迭代,直至得到最优解。计算机仿真结果表明,在相同的条件下,该算法在重构精度、峰值信噪比和重建匹配度等方面均有较大提高。

一个新的BFGS信赖域算法

给出能够保持校正矩阵是正定的新的 BFGS信赖域算法 ,以及该算法的全局收敛性和其二次收敛速度 .

最优化问题全局寻优的AFSA-BFGS混合算法

针对人工鱼群算法在优化后期收敛速度变慢问题,利用BFGS算法快速的局部搜索能力来改进,提出了一种最优化问题全局寻优的AFSA-BFGS混合算法。通过8个标准函数测试结果表明,AFSA-BFGS混合算法,不仅具有全局收敛性能,而且还具有较快的收敛速度和更高的求解精度,是求解优化问题的一种有效方法。

BFGS算法的全局收敛性分析

对于凸函数，采用两种比较广泛的线搜索技术，在适当的假设条件下，我们得到了ＢＦＧＳ算法的全局收敛性。

大规模无约束优化的一族LBFGS类算法(英文)

尝试在有限存储类算法中利用目标函数值所提供的信息.首先利用插值条件构造了一个新的二次函数逼近目标函数,得到了一个新的弱割线方程,然后将此弱割线方程与袁[1]的弱割线方程相结合,给出了一族包括标准LBFGS的有限存储BFGS类算法,证明了这族算法的收敛性.从标准试验函数库CUTE中选择试验函数进行了数值试验,试验结果表明这族算法的数值表现都与标准LBFGS类似.

无约束最优化问题的BFGS并行算法与实现

介绍无约束最优化问题的BFGS算法及其收敛性,提出利用行卷帘格式并行Cholesky分解法、同步并行Wolfe-Powell非线性搜索和并行处理BFGS修正公式来构建BFGS的并行算法,并对该算法的时间复杂性、加速比进行分析。在PC机群数值实验的结果表明,BFGS并行算法提高了无约束最优化问题的求解速度,理论分析与实验结果相一致,并行算法具有线性加速比。

无约束最优化问题的BFGS松弛异步并行算法

为解决大规模非线性最优化问题的串行求解速度慢的问题,提出应用松弛异步并行算法求解无约束最优化问题。根据无约束最优化问题的BFGS串行算法,在PC机群环境下将其并行化。利用CHOLESKY方法分解系数为对称正定矩阵的线性方程组,运用无序松弛异步并行方法求解解向量和Wolfe-Powell非线性搜索步长,并行求解BFGS修正公式,构建BFGS松弛异步并行算法,并对算法的时间复杂性、加速比进行分析。在PC机群的实验结果表明,该算法提高了无约束最优化问题的求解速度且负载均衡,算法具有线性加速比。

非凸函数极小问题的BFGS算法

本文对于非凸函数的无约束优化问题,给出一类修正的BFGS算法。算法的思想是对非凸函数的近似Hesse矩阵进行修正,得到下降方向,并且保证拟牛顿条件成立,当步长采用线性搜索一般模型时,证明了该算法的局部收敛性。

基于BFGS算法的地层品质因子反演方法

目前,油气勘探已经从简单构造勘探转向岩性勘探,今后勘探的主要地质目标之一是地层--岩性油气藏,Q值在地层--岩性油气勘探中有重要作用。为较好地估计地层的Q值,本文提出了基于BFGS算法和广义S变换的Q值估计方法。通过广义S变换得到不同旅行时刻的振幅谱,构造一个最优化问题,引入BFGS算法估计出地震品质因子。该方法可以在整个频带范围内计算振幅谱的互相关系数,避免了频带范围选择的问题,而且收敛速度更快。模拟算例和实际资料处理结果均表明,该方法可以有效快速地估计品质因子,并具有较好的抗噪性。

一个改进的BFGS信赖域算法及收敛性分析

针对无约束最优化问题,将BFGS公式与信赖域算法有机结合,给出了Bk的一个新的修正公式,在此公式中引入了一个可调整的参数θ,并且在一定条件下证明了该算法的全局收敛性.

一个新的BFGS信赖域算法

本文对于无约束最优化问题提出了一个新的BFGS信赖域算法.利用BFGS方法和信赖域方法,提出了改进的BFGS信赖域方法.推广了文献[3,5]中的两种算法,得到一个新的BFGS信赖域算法,在适当条件下证明了算法的全局收敛性.

BFGS修正算法在前馈神经元网络学习中的应用

介绍了拟牛顿公式中 BFGS修正算法和 Wolf- Powell不精确线性搜索准则所具有的全局收敛性质 。

一个新的MBFGS信赖域算法

本文研究了无约束最优化问题.利用MBFGS信赖域算法的基本思想,通过对BFGS校正公式的改进,并结合线搜索技术,提出了一种新的MBFGS信赖域算法,拓宽了信赖域算法的适用范围,并在一定条件下证明了该算法的全局收敛性和超线性收敛性.

改进的无约束化的BFGS算法

提出了一种改进的ＢＦＧＳ算法，该算法的基本思想是采用多步迭代改变一次ＢＦＧＳ算法的修正公式；在假设ｆ（ｘ）是二阶连续可微且一致凸的条件下，证明了该算法的超线性收敛性，最后给出了该算法的数值实验结果．

基于BFGS算法的井下人员三维定位方法的研究

为提高井下人员定位的准确性,提出基于BFGS(Broyden-Fletcher-Goldfarb-Shanno)算法的三维空间定位的计算方法。由矩阵论的相关理论,解决三维空间中参与定位参考节点的个数及位置的设置问题,提出参与定位计算的参考节点的选择算法。为了减少基于信号强度RSSI(Received Signal Strength Indicator)测距的误差对定位计算的影响,使用BFGS算法优化其结果。BFGS算法简单,可应用于无线传感器网络定位系统中。实验证明:基于BFGS算法的无线传感器网络定位的误差均小于其他算法,在传感器网络定位系统中具有有效性。