关于Backtracking线搜索的一个注记

首次指出,与 Wolfe 线搜索、Goldstein 线搜索和精确线搜索等不同,在一般下降算法模型中使用 Backtracking 线搜索并不能保证全局收敛性。提出了一个改进方案,并在证明线搜索下降算法模型的一个一般全局收敛性定理的基础上,证明改进 Backtracking 线搜索方法能够保证全局收敛性。给出了改进 Backtracking 线搜索的下降算法至少线性收敛的一个充要条件。

基于多样性SAT求解器和新颖性搜索的软件产品线测试

软件产品线测试是一项非常具有挑战性的工作.基于相似性的测试方法通过提升测试集的多样性以达到提高测试覆盖率和缺陷检测率的目的.因其具有良好的可拓展性和较好的测试效果,目前已成为软件产品线测试的重要手段之一.在该测试方法中,如何产生多样化的测试用例和如何维护测试集的多样性是两个关键问题.针对以上问题,提出一种基于多样性可满足性(SAT)求解器和新颖性搜索(novelty search,NS)的软件产品线测试算法.具体地,所提算法同时采用两类多样性SAT求解器产生多样化的测试用例.特别地,为了改善随机局部搜索SAT求解器的多样性,提出一种基于概率向量的通用策略产生候选解.此外,为同时维护测试集的全局和局部多样性,设计并运用两种基于NS算法思想的归档策略.在50个真实软件产品线上的消融和对比实验验证多样性SAT求解器和两种归档策略的有效性,以及所提算法较其他主流算法的优越性.

基于Zhang-Hager线搜索的改进近似最优梯度法

提出一种改进的近似最优梯度法,求解图划分问题中的无约束目标函数.先用修正的BFGS更新公式及选取BB类步长的线性组合作为标量矩阵得到近似最优步长,再引入参数对经典的Zhang-Hager线搜索形式进行改进,构建算法框架并给出R线性收敛性证明.实验结果表明,改进算法提高了原算法的性能.

基于滑动窗搜索算法在车道线检测方面的改进

车道线检测在自动驾驶和智能交通系统中扮演着至关重要的角色,它直接关联到这些系统的安全性和有效性。尽管传统的车道线检测算法,如基于边缘提取的方法,已被广泛应用,但它们存在一些局限性。[1]特别是在复杂的道路环境中,这些方法常常难以准确识别车道线,从而影响整体系统的性能。针对这一挑战,本文提出了一种新的车道线待选点提取方法,该方法基于Sobel算子和Hsv颜色空间模型,并结合霍夫变换,形成了一种综合的三模型方法。Sobel算子在边缘检测方面表现优异,能够有效识别车道线的形状和边界;Hsv颜色空间模型则有助于处理在复杂光照和天气条件下的车道线识别;霍夫变换则能在边缘信息的基础上进行直线的检测和确认。这三种方法的结合不仅弥补了单一方法的不足,还大大提升了车道线检测的准确性和鲁棒性。

标准Wolfe线搜索下改进的HS共轭梯度法

通过对现有的HS共轭梯度法进行修正,提出一个具有下降性质的改进型HS共轭梯度法,该算法的下降性质得到论证.在标准Wolfe线搜索条件下,证明了改进的HS算法具有全局收敛性.最后,通过数值实验结果的对比,发现新算法数值效果是优异的.

基于非下降线搜索的改进PRP共轭梯度方法及在图像恢复中的应用

PRP方法是最有效的非线性共轭梯度优化方法之一,然而该方法不能保证产生目标函数的下降方向,这给一般函数的全局收敛带来了困难。为了保证PRP方法的全局收敛性,提出了一种改进的PRP共轭梯度方法。文章以非凸优化问题为目标,简要介绍了非下降线搜索技术以及一些适当的假设条件,探讨了改进PRP方法的全局收敛性。基于MATLAB软件工具,验证了新方法在处理无约束优化和图像恢复问题时的有效性和实用性。

基于启发式搜索的车道线识别算法研究

在车道边界识别中,边界点的提取是关键,常用的边界点提取方法因对噪声的抑制能力不强产生较多噪声点,从而影响识别效果。提出一种边界点启发式搜索算法,根据梯形匹配模型、车道线灰度变化特征和实际车道宽度约束,确定搜索的起始点,从起始点根据度量代价准则函数搜索车道边界点。采用直线道路模型结合Hough变换来拟合车道边界。实验表明,该算法实时性好、可靠性强、鲁棒性高。

一种快速检测图像角点特征的线搜索式方法

传统的图像角点特征检测方法在速度和准确性两方面难以兼顾.针对该问题,提出了一种角点特征检测的线搜索式方法.该方法作用于一个以当前像素为中心核的圆掩模,在该掩模内搜索通过核的所有直线,如果存在一条直线不穿过核附近给定邻域以外的其他同值收缩核(Univalue segment assimilating nucleus,USAN)区域,则当前像素点为角点.论文论证了使用有限数目搜索线的可行性与必要性.采用由粗及细的搜索策略,动态设计搜索线的数目与搜索线上的检测点数目,以提高检测速度.提出了一种基于最大同值距离的新型非极大值抑制进行角点的精确定位,并结合多种新型伪响应抑制措施,有效地提高了算法的准确度.实验结果表明该方法在准确性方面优于MIC、SUSAN和Harris等算法,而且速度快,仅稍慢于MIC算法,具有优良的综合性能.

一类带线搜索的非单调信赖域算法

本文对于无约束最优化问题提出了一类新的非单调信赖域算法。与通常的非单调信赖域算法不同,当试探步不成功时,并不重解信赖域子问题,而采用非单调线搜索,从而减小了计算量,在适当的条件下,证明了此算法的全局收敛性。

Frank-Wolfe算法求解交通分配问题：比较不同流量更新策略和线搜索技术

Frank-Wolfe(FW)算法是一类广泛应用于求解交通分配问题的算法.它具有容易编程实现,所需内存少的特点.但是该算法收敛速度较慢,不能得到路径信息.为了提高算法的效率,本文研究三种流量更新策略(all-at-once,one-origin-at-a-time,one-OD-at-a-time)以及不同的步长搜索策略下的FW算法,其中步长搜索策略包括精确线性搜索方法(包括二分法、黄金分割法、成功失败法)和不精确的线性搜索方法(包括基于Wolfe-Powell收敛准则的搜索方法和Gao等提出的非单调线性搜索方法).最后,本文将上述策略应用于四种不同规模的交通网络中,并给出较适合求解的组合.

基于启发式搜索策略的牙齿生物特征线提取技术

牙齿生物特征线的提取是数字化口腔修复体设计的关键环节,针对现有的全局特征提取算法难以准确实现生物特征线提取的局限,提出了一种基于启发式搜索策略的牙齿生物特征线提取技术。首先分析牙齿预备体三角网格模型的特征信息;其次在提取过程中设计启发函数评估最优特征点,自适应地提取生物特征线,并对提取结果进行形态优化以保证提取质量;最后通过对100余例临床牙齿预备体数据进行生物特征线提取实验,验证了算法的有效性和实用性。

基于最佳扫描行快速搜索策略的线阵推扫式影像微分纠正算法

线阵推扫式影像的几何纠正是当前海量遥感影像数据处理的难点与性能瓶颈。基于严密几何模型对线阵影像进行微分纠正是生成各级影像产品的基础,其核心是地面点的反投影,即确定地面点对应的最佳扫描行。传统的最佳扫描行搜索算法基于像方的共线方程迭代计算,效率低,实用化程度不高。本文基于严密几何模型提出一种适用于大数据量线阵影像微分纠正的最佳扫描行快速搜索策略,利用扫描行投影面进行物方几何约束,通过判断物方点到扫描行投影面的距离定位最佳扫描行。由于线阵列CCD像元并非严格按照一条直线排列,笔者讨论了CCD线阵的分段处理以及分段投影面的确定方法。利用机载ADS40、火星快车HRSC线阵影像进行试验。结果表明,本文方法仅需少量几次物方空间解析几何迭代计算即可精确定位最佳扫描行,计算效率相比基于像方的搜索方法提高了8倍以上,线阵影像微分纠正速度提升了6倍以上。

一种弯道标志线启发式分段搜索算法

弯道检测是车辆防碰撞系统的关键技术之一,而基于视觉的弯道识别方法是进行弯道检测的有效途径。为提高弯道识别算法的实时性和鲁棒性,提出一种启发式分段搜索车道标志线的弯道识别算法。结合分段直线模型,采用启发式搜索边界点的算法,在各个动态感兴趣区域(ROI)中搜索车道边界线。对于非连续性车道标志线,结合连续性约束,将检测到的车道线目标拟合为连续平滑的车道线。研究结果表明,该方法能够有效地识别出弯道标志线,识别率可达到86%;识别时间平均达到161 ms/f,能够满足实时性要求。

考虑线上线下信息融合的体验品序贯搜索行为研究

文章提出一种序贯搜索的效用模型,该模型首先根据潜在消费者对线上待购商品各属性的关注度来确定其对各属性因素的偏好权重;其次,依据潜在消费者的IP地址确定其到线下实体店的搜索成本;再次,用序贯搜寻理论求解该模型并得到按保留效用降序排列的备选商品集;最后,以某汽车网站提供的已消费商品在线评分数据为例,对所建序贯搜索模型进行仿真分析,并将该模型与期望效用模型进行对比,结果显示,考虑线上线下信息融合的序贯搜索模型优于对比模型。

Wolfe线搜索下一类混合共轭梯度法的全局收敛性(英文)

本文给出了一个新的共轭梯度公式,新公式在精确线搜索下与DY公式等价,并给出了新公式的相关性质.结合新公式和DY公式提出了一个新的混合共轭梯度法,新算法在Wolfe线搜索下产生一个下降方向,并证明了算法的全局收敛性,并给出了数值例子.

一种线搜索下DY共轭梯度法的全局收敛性

利用王长钰等人提出的一种新型线搜索条件对Dai-Yuan非线性共轭梯度法进行了研究。根据这一新型的线搜索条件,结合DY共轭梯度法的方向计算公式,我们在文中提出了一个求解非线性无约束优化问题的算法。当搜索方向为下降方向时,给出了算法的全局收敛性结果及证明过程。

基于K线序列相似性搜索的股票价格预测

现有K线模式主要是通过人工观察方式(即人工相似性搜索)获得的。针对现有K线模式在股票预测中预测效果一般,且部分学者否认K线模式具有预测能力的现状,采用计算机技术和数据挖掘等方法,重新对K线序列相似性搜索预测进行研究。首先,定义K线序列的相似性度量模型,包括K线序列的形态相似性和位置相似性,来解决K线序列的相似性匹配问题;接着,基于K线序列的相似性度量模型,定义K线滑动搜索算法,来解决K线序列的相似性搜索问题;最后,基于K线序列的相似性搜索结果,提出了两种股票价格预测方法:普通序列相似性搜索预测法和模式序列相似性搜索预测法。在实验中,普通序列和模式序列两种方法的预测准确率分别可以达到72.5%和77.8%。实验结果表明,K线模式具有预测能力,且K线模式较普通序列的预测效果更好;提出的两种股票预测方法,均可以较好地应用于股票预测与投资。

正射影像镶嵌线自动搜索的视差图算法

提出了一种基于正射影像视差图的区域级镶嵌线搜索算法。首先利用半全局约束立体匹配算法(semi-global matching,SGM)分别计算立体像对的左右视差图,并通过自适应阈值化去除细小的噪声区域,再经数学形态学方法进一步削弱噪声影响和填补小的漏洞区域,得到了较为精细的房屋等非地面区域的分割结果,从而分离出地面与非地面区域;然后采用改进的贪婪蛇搜索算法进行镶嵌线搜索,以提高算法的稳健性。试验表明,本文算法能很好地避开房屋等明显突出地表的实体,得到不穿越非地面区域的最优路径。

带有线搜索的新的非单调自适应信赖域算法

本文给出了一种新的信赖域算法。该算法以变化的速率来调整信赖域半径的大小。在由信赖域子问题产生的试探步不被接受的情况下,新算法采用线搜索的方法得到下一个迭代点。同时算法采用非单调的技术来加速算法的收敛效果。文中给出了新算法的全局收敛性分析和数值试验的结果。

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.