基于有效约束的附不等式约束平差的一种新算法

不等式约束是客观实际中普遍存在的一种约束,但目前大地测量数据处理领域并没有成熟、完整并被普遍接受的处理理论和方法。首先简要总结附不等式约束平差的各种方法及其存在的问题。然后对现有测量平差中附有等式约束的平差模型进行扩展,提出一种新的处理附有线性约束(包括等式和不等式约束)的平差方法。该方法在有效约束概念下,通过库恩-塔克条件来寻找有效约束条件,把不等式约束平差问题转化为我们熟知的等式约束平差问题,因此实现解向量与观测向量之间的显式表达。最后,用一个数值算例验证新方法的可行性,同时算例分析表明:用等式约束代替有效约束或集成约束进行平差计算,能得到正确的平差结果,但得不到正确的精度评定结果。

不等式约束对平差结果的影响分析

根据附不等式约束的平差过程,利用概率统计的思想,分析不等式约束对平差结果的影响。结果表明,不同的约束对解的贡献是不同的,其大小取决于约束到其真值的距离。由于不等式约束的非对称性,造成参数验后分布的非对称性,从而使参数估计有偏。这种估计的有偏不同于数学中的压缩型有偏估计,其偏量是由观测误差确定,当观测误差为零时,这种估计的期望是无偏的;不管不等式约束是有效约束还是无效约束,对最后的解的精度都有贡献,并且附不等式约束平差时,其解的方差恒定小于无约束的最小二乘解。最后,以一个简单的算例直观验证了有关的分析和结论。

附不等式约束平差的一种简单迭代算法

基于最优化计算理论中罚函数方法及传统测量平差中零权和无限权的思想,提出一种有效的迭代算法,算法过程与经典平差计算方法相同。数值实验表明,该算法简单、可行,并且具有很快的收敛速度。作者还将该模型用在大坝变形分析中,根据地形对控制点建立不等式约束,能够探测到更真实的点位位移,较之无约束平差更合理可靠。

基于遗传算法解决附有不等式约束的最小二乘平差问题的研究

测量数据处理中经常有些先验信息可以利用,这些先验信息可以总结成等式或不等式。附等式约束的平差理论目前已经十分成熟,因而如果是等式约束,则可用附等式约束的间接平差方法来处理。但如果是不等式约束,则计算相对困难。Holland等人提出的遗传算法在最优化计算中取得了非常好的效果,本文尝试将遗传算法引入附不等式约束的平差计算中。本文首先介绍了附不等式约束的最小二乘平差模型,分析了基于遗传算法解决该问题的理论依据,进而通过用内罚函法将不等式约束平差转化为无约束平差,以方便运用遗传算法,最终调用Matlab遗传工具箱来求解平差结果。通过实例分析,该算法同其它常用的算法进行比较,证明该方法具有快速的收敛性,求解结果良好。

城市路网最优路径的不等式约束算法

应用路径规划模型,将城市路网路径规划的最优问题转换为数值处理的最小问题,阐述了应用最小二乘准则建立路径规划模型的基本思想。在最小二乘准则下,对路径规划中时间或距离两种先验信息建立不等式约束参与平差;给出路径规划的不等式约束模型以及解算方法。通过实验,对应用不等式约束与应用浮动车经验知识建立模型解决最优路径规划问题进行比较。结果表明,应用不等式约束算法的最优路径规划更适合人们出行对路径选择的要求。

线性不等式约束平差模型的一种解算方法

不等式约束是实际测量中存在的一种约束,本文利用整标集法求解附线性不等式约束平差模型。首先了介绍带有不等式约束平差的最小二乘问题转化成凸二次规划问题,然后在Kuhn-Tucker条件下把二次规划问题转换成线性互补问题的基础上,利用整标集法来求出参数的最佳估值,最后通过一个数值算例来说明了该方法的可行性。