基于Metropolis-Hastings算法的α稳定分布参数估计

针对α稳定分布参数估计问题,提出了一种基于MCMC动态模拟的参数估计方法。该方法根据贝叶斯理论建立在α稳定分布层次模型的基础上,利用Metropolis-Hastings抽样方法生成Mark-ov链,在贝叶斯框架下将所有待估计参数视为随机变量,利用后验分布实现稳定分布参数的同时估计,给出了新方法的迭代更新过程,并推导了接受概率的计算公式。理论分析和仿真结果表明,该方法能准确地估计出α稳定分布的4个参数,实现了任意对称或非对称α稳定分布的参数估计。

基于Metropolis-Hastings抽样短采样宽带信号方位估计AML算法

针对短采样宽带信号近似最大似然(approximated maximum likelihood,AML)方位估计计算量大的问题,将马尔科夫链-蒙特卡罗方法与近似最大似然方位估计相结合,提出一种基于Metropolis-Hastings抽样的近似最大似然方位估计方法(AMLMH)。该方法将AML算法的空间谱函数作为信号的概率分布函数,并利用Metropolis-Hastings抽样方法从该概率分布函数中抽样。研究结果表明,AMLMH方法不但保持了原近似最大似然方位估计方法的优良性能,而且减小了计算量。

基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法

集合卡尔曼滤波是近年来发展起来的一种处理非线性系统估计的有效解决方法.针对标准集合卡尔曼滤波实现过程中,量测噪声不确定导致自举量测采样出现一致性偏差问题,提出了一种基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法.首先,结合多传感器量测系统的物理特性和集合卡尔曼滤波中自举量测生成机理,构建多传感器条件下自举量测集合.其次,通过对多传感器自举量测似然度求解以及在量测接受概率函数合理设计基础上,利用Metropolis-Hastings采样策略实现有效量测的确认.新算法通过对多传感器量测中冗余和互补信息的提取与利用实现对一致性偏差的修正,进一步改善被估计系统状态的滤波精度.理论分析和仿真实验结果验证了算法的可行性和有效性.

基于量子退火Metropolis-Hastings算法的叠前随机反演

传统的Metropolis-Hastings(MH)算法是一种常见的随机反演方法,可以得到大量来自于后验分布的样本,从而得到更可靠的参数估计和反演结果的不确定性信息,但对于较为复杂的参数空间,MH算法往往不能对其充分搜索。为此,针对该问题提出了基于量子退火MH算法的叠前随机反演方法,主要通过调节算法的接受概率提高算法的计算效率和稳定性。模型试算与实际数据反演结果表明,相较于传统的MH算法,该方法具有更高的收敛效率。

算法市场的兴起:概念、挑战与未来发展

人工智能是新一轮科技革命和产业变革的重要驱动力量,人工智能发展离不开数据、算法和算力组成的“三驾马车”。其中,算法作为激发算力潜能与实现数据价值的重要技术环节,是推进“人工智能+”进程与新质生产力形成的核心驱动力。与数据要素市场相比,算法市场的商业化进展明显滞后,其交易机制和市场结构尚缺少系统深入的研究。文章探讨了算法市场的交易标的、市场结构及其关键特征,梳理了算法确权保护和算法流通机制方面面临的主要挑战,并总结了算法确权和流通市场发展的实践探索。通过分析算法市场与知识产权、数据要素市场,文章发现,算法与知识产权在创新性和虚拟性方面具有相似性,但对隐私数据的依赖性和开闭源算法的差异性使其确权保护更具复杂性。同时,算法与数据要素市场共享场景依赖和非标特征,但算法更强的外部依赖性对其流通提出了更高要求。针对我国算法市场当前面临的诸多挑战,文章提出构建以政府和市场双驱动为核心的算法交易与流通机制的政策建议,通过优化确权机制、促进供需匹配、降低使用门槛以及推动跨境流通,以促进算法市场的健康发展和广泛应用。

k-center问题的算法研究综述

k-center问题是设施选址的基础问题,同样是NP难问题,在分配、紧急服务等领域也有着实际的应用。随着问题规模的扩大,原有的算法已不再适用,需要进一步优化或者改进。为了找到求解该问题的高效算法,对现有算法进行研究。对各类求解k-center问题的算法进行梳理,将求解算法划分为精确算法、启发式算法、元启发式算法、近似算法等,从算法原理、改进思路、性能和精度等方面进行对比综述。精确算法在求解小规模k-center问题时可在多项式时间内得到最优解,但是算法效率低,不适用于大规模问题;启发式算法可以在多项式时间内给出相对最优解,但是没有理论保证,无法衡量与最优解的关系;元启发式算法可对目前存在的智能优化算法进行改进,给出相对最优解,但是解的质量无法保证;利用近似算法得到的解具有近似比保证,有较大的理论研究价值,但是实用价值较弱。目前求解k-center问题的元启发式算法已取得一定的研究成果,但是在求解时间、求解规模、算法效率等方面仍待突破,这将是未来k-center问题的研究重点。

缺失数据环境下汇率序列的潜变量Metropolis-Hastings算法及触发式理财产品定价

金融数据序列的参数估计是现代金融学研究的热点之一,也是数理金融学的一个重要研究方向.在缺失数据情形下,本文采用MCMC方法研究了ARMA汇率序列的参数估计问题.首先,将潜变量插补数据方法融入MCMC采样过程,新的MCMC参数估计方法允许序列存在缺失数据.其次,结合潜变量,获取了自回归系数和白噪声方差的共轭后验分布.再次,由于滑动平均系数的共轭后验分布获取困难,构造了一种基于多元回归的参数估计方法.最后,利用Metropolis-Hastings抽样替代Gibbs抽样并融入上述结果,形成了一种新的MCMC参数估计方法,该方法有效克服了单纯Gibbs抽样序列存在的波动聚集现象的不足.此外,以2018年9月20日至9月27日的欧元兑美元汇率为仿真对象,对触发式理财产品进行了实证分析.

基于边界信息的自适应过采样算法

针对人工少数类过采样(synthetic minority over-sampling technique,SMOTE)算法存在样本合成区域狭小,容易将少数类泛化到多数类及引入噪声的问题,提出一种基于噪声过滤、边界点自适应采样的过采样算法。首先,该算法使用K近邻算法进行噪声过滤,接着确定边界点并在边界点中寻找合适的点作为根样本点,并以其K近邻点中与其同类且欧氏距离最远的点作为候选样本点。然后,根据根样本点所携带的边界信息确定该点所合成的样本数量,并根据根样本点和候选样本点生成一个N维球体作为样本的合成区间。最后,对合成样本进行判断以确定其是否满足条件。通过实验证明,该算法生成的样本质量要优于SMOTE及其常见变种算法。

算法审计的现实困境、逻辑框架与实现路径

立足当下对算法风险治理的迫切需求,如何建立算法审计的逻辑框架发挥审计作用、利用算法审计缓解算法风险成为目前应当解决的问题。算法审计如今面临信息披露风险、制度框架不健全、理论基础薄弱、审计人员不足四大现实困境。基于此,算法审计框架应围绕算法审计目标、依据以及原则建立,从算法审计与不同审计手段有效联结、不同审计主体人员互动以及法律与审计协同治理三个角度为算法审计提供保障。由此拓展数智时代算法审计的研究,并为算法风险治理手段提供参考。

改进邻域扩展A^(*)算法的移动机器人路径规划

为解决A^(*)算法在规划路径时存在转折角度过大、路径不平滑的问题,提出改进邻域扩展A^(*)算法。首先,对A^(*)算法搜索范围扩展至24邻域,然后对邻域进行二次数量优化处理得到最终邻域搜索节点。其次,设计具有双层位置导向信息的评价函数,最后对所得路径进行二次平滑处理以剔除冗余节点并削弱路径尖峰的剧烈程度。仿真结果表明,改进邻域扩展A^(*)算法在路径长度、搜索节点数量、规划时间上均优于传统A^(*)算法,且路径无尖峰转角,整体趋势平缓。

算法价格歧视违法性认定的挑战与应对

算法技术在数据收集、分析和应用等方面的优势能够帮助经营者快速实现价格歧视,提高经营效率。但算法价格歧视行为却对市场其他主体带来损害性影响,包括破坏社会对网络市场的公平感知、扭曲市场竞争秩序、侵害消费者知情权等传统权利和个人信息权等新型权益。为避免上述系列损害性后果持续扩散,亟须对司法实践如何开展算法价格歧视违法性认定做出回应。然而,基于我国当前相关法条分布零散且适用性不强、违法性认定规则的合理性和可行性存疑、抗辩理由适用不明等现实困境,司法实务部门在处理算法价格歧视案件时仍面临严峻挑战。原有的经营者滥用市场支配地位认定路径和违规处理个人信息认定路径不能满足现实司法实践所需,有必要从立法和司法层面对算法价格歧视违法性认定的第三条路径予以拓展与优化。在立法完善过程中,《电子商务法》作为我国电商领域的综合性法律,尤其适合作为规制算法价格歧视的法律依据,建议该法新增“不正当价格行为”违法认定类型,明确将保护消费者知情权和选择权不受侵犯设为底线,确立过错推定原则以平衡当事人之间的证明责任。在算法价格歧视违法性认定的司法实践中,坚持行为主体聚焦、侵害客体明晰、主观违背注意义务、客观造成消费者利益受损的“四要件”认定方法。在此基础上,《电子商务法》通过与《反垄断法》《个人信息保护法》等多部法律之间的协同配合,进一步夯实算法价格歧视违法性认定的法律基础,才能共同助力司法实践顺利推进。

基于海洋环境电磁资料的节点约束遗传算法反演流速剖面

海水运动切割地磁场产生的感应电磁场,是海洋环境电磁场的重要组成部分。为了丰富海洋动力环境参数求取方法,并进一步验证实际海洋环境电磁场观测结果的可靠性,本文以模拟磁场与实测磁场的差值构建目标函数,提出基于垂向阵列节点观测值约束遗传算法实现由海水运动感应电磁场反演流速剖面的方法。根据南海实际流速观测资料构建海水运动模型,反演测试结果表明,节点约束下的反演流速与模型流速有较高的相关性和较好的抗噪性能。对南海实测海洋环境电磁资料的反演结果表明,反演流速剖面与ADCP观测资料在总体变化趋势和细节刻画方面均表现出较好的一致性,验证了该反演方法具有较好的实际应用价值。

新型蚁群算法规划核电厂巡检机器人路径

为了使核电厂巡检机器人更加高效地完成巡检任务,本文提出一种改进的蚁群算法进行路径规划。针对基本蚁群算法在路径规划当中存在拐点多、收敛速度慢、易陷入局部最优的问题,首先利用A~*算法构建次优路径并调整初始信息素浓度。然后,构建方向性函数以减少路径的拐弯次数。在搜索过程中,蚂蚁若发生死锁,极易导致算法陷入局部最优。为此,本文提出了防止死锁的策略,并将蚁群算法与遗传算法相结合,以提高算法的全局搜索能力。实验结果表明,本算法能够高效地规划出距离更短、更平滑的路径,对于核电厂巡检机器人高效完成巡检任务、延长单次巡检时间、减少巡检机器人磨损等具有重要意义。

基于DTW算法的sEMG手势识别控制系统设计

人体在运动过程中会产生微弱的生物电信号,其中蕴含着大量的控制信息。为了使用生物电信号中的信息控制机械臂动作,提出一种基于DTW算法的sEMG手势识别控制系统,利用该系统对采集的原始信号进行滤波和放大。为了确定有效的sEMG,采用移动平均法对处理信号进行划分。使用平均绝对值从数据片段中提取有效段数据,应用DTW算法将3路表面肌电信号融合,计算样本与模型之间的相似度,实现手势识别;再将识别后的信号通过无线模块发送到控制指令,以控制机械臂的动作;最后,采用提出的算法并结合6种类型的手势分类模型创建最佳特征模型。实验测试结果表明,使用动态时间规整(DTW)算法进行手势识别的平均准确率为93.752%,6种手势的平均模型匹配率达到92%,实现了肌电信号对机械臂的精确控制。由此证明所提方法的手势识别比传统的阈值控制开关更准确。

基于网格归一化Astar算法的船舶管路布置

为解决船舶管路布置方法中目前存在的依靠人工经验调节算法参数,权重系数的设置量级差距较大,以及求解布置方案单一的问题,提出一种网格归一化Astar (GNAstar)的布置方法.首先,采用包围盒和网格法建立数学模型.其次,通过分支管路拆分、网格标记值和父子网格搜索策略,使每一路径节点由不同目标的归一化权重值来共同决定,将传统Astar算法仅考虑长度的目标扩展成包括长度、弯头消耗和安装适用性的管路综合布置目标.最后,通过仿真案例将GNAstar算法与传统Astar算法进行对比分析,并以船舶机舱内不同管路系统为例,与文献中的蚁群算法和粒子群-Astar算法开展进一步比较.结果表明,GNAstar算法可获得有效的工程解,设计人员可通过设置不同目标的归一化权重系数来获得相应的布置方案.

超越“反向适应”:对待算法的一种伦理态度

算法技术的普遍化正在改变和重构生活世界。算法功能的个性化和便捷性日益增强,可以为人类行动提供具体的建议和指导,但也带来了人类“反向适应”的问题。对算法伦理问题的进一步追问发现:算法技术不断遮蔽人类的原初意愿和选择,抑制人类文化创新活力,影响社会协调发展。随着这种现象的不断加剧,人类沉浸在碎片化的现实中,逐渐形成一种不自知的“反向适应”,从而遗忘了人本该怎样的事情。人类主动接受算法技术对其加以改造和支配,迎合算法文化的生成,最终却不可避免地陷入人与人之间无法联结的社群性困境。基于此,我们倡导这样一种对待算法的伦理态度,即为了保障人的本质存在,应审思和超越“反向适应”,聚焦和谐共鸣的美好生活。

不动点演化算法

为设计高效稳定的演化算法,将方程求根的不动点迭代思想引入到优化领域,通过将演化算法的寻优过程看作为在迭代框架下方程不动点的逐步显示化过程,设计出一种基于数学模型的演化新算法,即不动点演化算法(fixed point evolution algorithm,FPEA).该算法的繁殖算子是由Aitken加速的不动点迭代模型导出的二次多项式,其整体框架继承传统演化算法(如差分演化算法)基于种群的迭代模式.试验结果表明:在基准函数集CEC2014、CEC2019上,本文算法的最优值平均排名在所有比较算法中排名第1;在4个工程约束设计问题上,FPEA与CSA、GPE等多个算法相比,能以较少的计算开销获得最高的求解精度.

改进遗传算法支持下的计算机网络通信数据加密方法研究

为提升计算机网络通信中数据加密的效率,本研究采用改进的遗传算法进行加密算法的设计,以选择算子、交叉算子、变异算子的改进为核心,通过优化遗传算法的关键步骤,提升其在数据加密中的应用效果。研究设计了一种基于改进遗传算法的计算机网络通信数据加密方法,并进行了实验分析。结果表明,改进后算法在加密速度、安全性方面均优于传统遗传算法,具有较好的实际应用前景与适用性。

基于DQN算法的直流微电网负载接口变换器自抗扰控制策略

在直流微电网中,为了保证直流母线与负载之间能量流动的稳定性,解决在能量流动中不确定因素产生的扰动问题。在建立DC-DC变换器数学模型的基础上,设计了一种基于深度强化学习的DC-DC变换器自抗扰控制策略。利用线性扩张观测器对总扰动的估计补偿和线性误差反馈控制特性对自抗扰控制器结构进行简化设计,并结合深度强化学习对其控制器参数进行在线优化。根据不同工况下的负载侧电压波形,分析了DC-DC变换器在该控制策略、线性自抗扰控制与比例积分控制下的稳定性、抗扰性和鲁棒性,验证了该控制策略的正确性和有效性。最后,在参数摄动下进行了蒙特卡洛实验,仿真结果表明该控制策略具有较好的鲁棒性。

三维无线传感器网络中虚拟力引导的鲸鱼覆盖优化算法

针对如何设计适用于现实物理世界的三维覆盖优化算法并最大化覆盖率问题,本文提出了一种虚拟力引导的鲸鱼覆盖优化算法(VFWOA)。利用Halton序列初始化生成均匀分布的鲸鱼种群,增强种群多样性以提升算法跳出局部最优解的能力;采用虚拟力算法引导最优个体位置更新,加快算法寻优速度;引入多样性策略,控制种群的变化,提升算法寻优能力。仿真结果表明,与改进鲸鱼优化算法(WOA)、改进麻雀搜索算法和改进人工蜂群算法相比,本文所提算法提高了节点覆盖率并改善了网络的连通性。