基于Nelder-mead单纯形法的改进人工蜂群算法研究

针对现有的人工蜂群算法(Artificial Bee Colony,ABC)在进化速度和求解质量方面难以兼顾的缺点,提出一种基于Nelder-mead单纯形法的改进人工蜂群算法(Nelder-Mead Simplex Method based Improved Artificial Bee Colony,NMSM-IABC)。在迭代过程中,该算法周期性地将单纯形算子得到的最优个体迁移到人工蜂群算法的蜂群中,或将蜂群中的最优蜜源信息迁移到Nelder-mead单纯形算法中。旨在ABC借助NM-SM提高局部搜索能力,NM-SM借助ABC跳出局部最优点,达到两者协同搜索。再者,为了进一步加快收敛速度,在ABC中采用一种改进的跟随蜂搜索策略,并对产生侦察蜂的关键参数进行灵敏度分析。最后,通过6个典型的多维测试函数对算法进行仿真测试。结果表明:提出的算法有效地避免了陷入局部最优,提高全局搜索能力和搜索精度,有较快的收敛速度,是一种较好的协同搜索算法。

基于Nelder-Mead单纯形算法的设计反应谱标定方法

规准谱形状的规定和参数的优化是设计反应谱标定的核心问题。Nelder-Mead单纯形算法是求解多参数优化问题的搜索算法,可解决多变量函数的最小化问题。该算法有极强的局部搜索能力,且不要求目标函数的可导性,因此被广泛地应用于工程领域。文中通过提取第一拐点周期、特征周期、平台值和衰减指数4个参数作为标定参数,利用MATLAB软件基于Nelder-Mead单纯形算法对设计反应谱进行标定,并论证了该算法用于设计反应谱标定的合理性和适宜性。以El Centro地震动结论和汶川地震的地震动记录的标定为例,对比了Newmark三参数法、双参数法、差分进化算法和Nelder-Mead单纯形算法的标定结果及误差。通过对比和分析发现,Nelder-Mead单纯形算法标定的反应谱计算简单、收敛速度快且更贴近实际的反应谱,误差更小。

基于HAF-NM算法的PPS的极大似然参数估计

在加性高斯白噪声的背景下,建立了多项式相位信号的信号模型。在此基础上,推导了PPS极大似然参数估计的目标函数;给出了HAF与PPS相位系数之间的关系;阐述了Nelder-Mead单纯形数值优化算法的基本思想和实现步骤。仿真结果表明,当信噪比大于4dB时,三次PPS各阶相位系数的估计性能均达到CRLB的下界。HAF-NM单纯形算法具有计算量适中,估计性能良好等特点。

混合蜂群算法及其在混凝土坝动力材料参数反演中的应用

介绍了一种新颖的群集智能优化算法—人工蜂群算法(ABCA),同时为提高算法的搜索效率,引入Nelder-Mead单纯形算法,提出了一种用于材料参数反演分析的混合单纯形人工蜂群算法。将所提出的算法用于混凝土重力坝动力材料参数识别,建立了基于不完全模态测试数据动力材料参数识别的优化反演模型。算例分析表明,混合算法融合了两种算法的优点,具有收敛速度快、识别精度高等特点,是一种高效的系统优化和参数识别方法。

基于分数阶矩和NM单纯形算法的海杂波参数估计

针对海杂波K分布形状参数和尺度参数的估计问题,提出了基于分数阶矩和NM单纯形算法的参数估计,首先采用分数阶矩估计法作为形状参数和尺度参数的初始值,然后利用NM单纯形算法进行数值搜索获得K分布形状参数和尺度参数的估计值。与实测的X波段海杂波概率密度函数对比表明,K分布优于Gamma分布和Weibull分布,其估计值与实测值最相吻合,且具有最小的均方根误差。对于一维的海杂波来讲,该方法是一种计算效率适中的算法。

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法(FPA)在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。

一种快速收敛的混合遗传算法

利用遗传算法早熟的特点 ,构造出一种快速收敛的混合算法来求解优化问题 ,并分析了它的收敛性。它是使用遗传算法来生成搜索方向 ,从而保证了算法的收敛性。该算法利用遗传算法的全局搜索能力 ,并采用 Nelder- Mead单纯形法来加强算法的局部搜索能力 ,加快了算法的收敛速率。模拟实验表明 。

求解药代动力学参数的自适应混合粒子群算法

针对传统方法具有初始值敏感和进化算法无法确定搜索范围等缺陷,将Nelder-Mead单纯形与粒子群算法相结合,提出了一种基于Nelder-Mead单纯形与粒子群算法的具有时变加速因子的自适应混合粒子群算法。将该混合算法用于血管外给药二室模型参数优化的实验之中。仿真实验结果表明,算法计算精度高而且鲁棒性强,是一种新颖的解决药代动力学参数优化的较好方法。

直接搜索算法在反演土壤湿度中的应用

本文主要讨论了直接搜索算法在合成孔径雷达(SAR)数据反演地表湿度中的应用。相对于其它确定性算法,直接搜索算法在计算时不需要目标函数的导数信息,避免了函数求导所引起的矩阵方程病态化。同时,该类算法计算量小,计算时间短,精确度高,适用于实时大运算量反演土壤水分。

基于混合中心引力算法求解一类非线性双层规划问题

针对下层问题是一个关于下层变量的线性规划,而上层目标是任意函数的一类非线性双层规划问题,提出一种基于Nelder-M ead单纯形法的混合中心引力算法来求解此类问题.利用线性规划的性质处理下层问题,设计了一种混合中心引力算法.所提出的算法运用均匀设计方法产生初始种群.为了增强算法的局部搜索能力和加快收敛速度,将当前种群分成两个子种群,Nelder-Mead单纯形法更新精英粒子构成的子群,而中心引力算法更新普通粒子构成的子群,再将新产生的两个新子群重组.实验研究表明,本文提出的算法不仅能有效求解此类非线性双层规划问题,而且还可以获得高质量的全局最优解.此外,实验结果也表明本文提出的算法是稳定的,且实验结果优于相比较的算法结果.

基于差分进化的混合蛙跳算法

为高效处理3D视线跟踪技术中的非线性优化问题,使系统满足实时准确及稳定性需求,以差分进化(differential evolution,DE)为核心,结合混合蛙跳算法(shuffled frog-leaping algorithm,SFLA)及Nelder-Mead单纯形法算法思想,提出了一种新型混合算法,即DE-SFL-NM混合算法。利用无穷乘积的性质对DE-SFL-NM进行了收敛性分析,并得出依概率收敛结论。使用包含单、多模态的10个基准测试函数的数值实验结果进行比较,验证了该算法在收敛速度、求解精度及鲁棒性能方面的有效性和进步性。同时,应用DE-SFL-NM快速且精准地求解了3D视线跟踪系统中的角膜曲率中心。

基于混合单纯形算法的模糊均值图像分割

针对模糊C均值算法用于图像分割时对初始值敏感、容易陷入局部极值的问题,提出基于混合单纯形算法的模糊均值图像分割算法.算法利用Nelder-Mead单纯形算法计算量小、搜索速度快和粒子群算法自适应能力强、具有较好的全局搜索能力的特点,将混合单纯形算法的结果作为模糊C均值算法的输入,并将其用于图像分割.实验结果表明:基于混合单纯形算法的模糊均值图像分割算法在改善图像分割质量的同时,提高了算法的运行速度.

软黏土中桶形基础的上限法极限分析模型及其计算

桶形基础作为近海工程一种新型结构形式,其结构与地基土体间复杂的相互作用使得此类结构的承载机理与破坏形态一直未有明确的界定,根据饱和软黏土中桶形基础的工作特点确立了其在侧向荷载作用下的一种新的三维组合破坏模式,基于塑性极限分析理论的上限法建立了受侧向荷载作用的、饱和软黏土中桶形基础的极限分析模型,运用非线性数学规划的Nelder-Mead改进单纯形法,并结合遗传算法对相关参数进行寻优,求得上述破坏机制的最危险模式及侧向荷载的最小上限解．根据桶形基础在不同插入深度时的承载机理及受力机制,将桶形基础结构划分为3种受力模式,即相对埋深小于0．52时的浅插式、相对埋深大于1．2时的深插式与介于两者之间的过渡模式,为结构整体稳定性分析计算提供了理论依据．此外,模型试验及工程实例的分析进一步证明了上述分析方法的可行性和有效性．

基于磁通门与加速度传感器的三分量磁力仪研究

磁力仪在国民生产中有着广泛的用途,在比较了传统的三分量磁力仪之后,提出一种基于磁通门与加速度传感器的三分量磁力仪。首先,简单地介绍了该磁力仪的硬件电路组成结构,之后,为了选用适当的优化算法对测量误差进行校正而重点讨论了该磁力仪的测量误差种类,后采用Nelder-Mead单纯形算法对于该磁力仪的不共轴误差进行校正。最后,做了测量及校正实验,并进行了实验结果分析。

逆合成孔径激光雷达机动目标运动补偿成像算法

逆合成孔径激光雷达(ISAL)成像运动补偿中,包络对齐的精度直接影响了相位误差估计精度。当目标速度和加速度较大时,距离包络严重倾斜且相位误差较大,图像无法进行良好聚焦。针对上述问题,在高精度成像模型的基础上提出了一种基于Nelder-Mead单纯形法和粒子群优化的全局联合运动误差补偿算法。首先,利用单纯形法估计目标速度,完成包络对齐。然后,将包络对齐过程获得的目标速度作为相位误差估计中参数初始化的约束条件。最后,用粒子群优化算法对各运动参数进行全局搜索并得到最优解,实现高精度运动参数估计及高阶相位误差补偿,得到聚焦良好的二维图像。实验结果表明,本算法的参数估计误差主要分布在±0.2%以内,参数估计精度和抗噪声性能均优于传统ISAL成像算法。