解变分不等式问题的QP-free方法

提出一种新的QP-free方法解变分不等式问题.通过光滑化的Fischer-Burmeister函数,把变分不等式的KKT优化条件转换为一个简单的约束优化问题,并给出了解这个约束优化问题的迭代算法.这个方法的主要优点是:①能够解任意的变分不等式问题;②每步迭代只需解一个线性方程组;③算法是全局收敛的,在一定条件下是超线性收敛的.数值试验结果表明,这个算法是有效的.

干扰约束的认知网络最优功率分配算法

为提高认知网络的频谱利用效率和信道数据速率,提出一种基于最大速率和干扰约束的认知网络最优功率分配算法。提出认知中继系统模型,分析用户的发送/接收信号功率及接收信号,即干扰加噪声比;将成功传递位的最大化速率问题转化为凸优化问题,提出最大干扰电平约束与中继功率的线性约束组合方程式,通过使用Karush-Kuhn-Tucker(KKT)条件求得最优功率分配方案。实验结果表明,该算法的信道利用率分别为对比算法的121.3%和118.6%。

带L1规划的广义线性模型中的一种系数估计法

介绍了L1规划广义线性模型(GLM)的一种系数估计法,估计系数的同时进行变量选择,从而确立模型.事实上,此算法用来选择变量更有用.L1规划法按照对系数一范数的惩罚来选择变量,是向前选择变量法的一种改进,运用凸优化的预测—修正法,GLM系数估计法可有效地算出系数,其中规划参数的步长对控制系数精确性至关重要,本文对三种步长选择法作了相应的比较和分析,接着给出算法的推广,最后总结算法并且对这种估计法的应用范围进行了展望.