针对目标函数中包含耦合函数H(x,y)的非凸非光滑极小化问题,提出了一种线性惯性交替乘子方向法(Linear Inertial Alternating Direction Method of Multipliers,LIADMM)。为了方便子问题的求解,对目标函数中的耦合函数H(x,y)进行线性化...针对目标函数中包含耦合函数H(x,y)的非凸非光滑极小化问题,提出了一种线性惯性交替乘子方向法(Linear Inertial Alternating Direction Method of Multipliers,LIADMM)。为了方便子问题的求解,对目标函数中的耦合函数H(x,y)进行线性化处理,并在x-子问题中引入惯性效应。在适当的假设条件下,建立了算法的全局收敛性;同时引入满足Kurdyka-Lojasiewicz不等式的辅助函数,验证了算法的强收敛性。通过两个数值实验表明,引入惯性效应的算法比没有惯性效应的算法收敛性能更好。展开更多
By virtue of alternating direction method of multipliers(ADMM), Newton-Raphson method, ratio consensus approach and running sum method, two distributed iterative strategies are presented in this paper to address the e...By virtue of alternating direction method of multipliers(ADMM), Newton-Raphson method, ratio consensus approach and running sum method, two distributed iterative strategies are presented in this paper to address the economic dispatch problem(EDP) in power systems. Different from most of the existing distributed ED approaches which neglect the effects of packet drops or/and time delays, this paper takes into account both packet drops and time delays which frequently occur in communication networks. Moreover, directed and possibly unbalanced graphs are considered in our algorithms, over which many distributed approaches fail to converge. Furthermore, the proposed schemes can address the EDP with local constraints of generators and nonquadratic convex cost functions, not just quadratic ones required in some existing ED approaches. Both theoretical analyses and simulation studies are provided to demonstrate the effectiveness of the proposed schemes.展开更多
实时电价是智能电网需求侧管理的有效方法,对于维持电力供需平衡、削峰填谷至关重要。为提高实时电价模型的低碳经济性和精确性,在充分考虑用户与供电侧双方利益前提下提出碳交易机制,并根据新能源的发电特性构建风光出力不确定模型,建...实时电价是智能电网需求侧管理的有效方法,对于维持电力供需平衡、削峰填谷至关重要。为提高实时电价模型的低碳经济性和精确性,在充分考虑用户与供电侧双方利益前提下提出碳交易机制,并根据新能源的发电特性构建风光出力不确定模型,建立以用户总效用最大、供电侧成本最小为目标的社会福利最大化实时电价模型。提出基于改进交替方向乘子法(alternating direction method of multiplier, ADMM),即高斯回代交替方向乘子法(ADMM with Gaussian back substitution, ADMM-GBS)的分布式优化调度方法,通过将不确定模型转化为确定模型求解。仿真结果表明,所提实时电价策略能够提升社会福利,验证了模型和算法的有效性。展开更多
针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法...针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。展开更多
针对基于Farrow结构的可变分数时延(Variable fractional delay,VFD)滤波器需求解大量子滤波器系数这一关键问题,本文将稀疏约束理论引入滤波器的权系数优化中,研究具有稀疏系数的Farrow结构滤波器。在极大极小(Minimax)准则下,通过添...针对基于Farrow结构的可变分数时延(Variable fractional delay,VFD)滤波器需求解大量子滤波器系数这一关键问题,本文将稀疏约束理论引入滤波器的权系数优化中,研究具有稀疏系数的Farrow结构滤波器。在极大极小(Minimax)准则下,通过添加L1正则化约束项改进权系数优化模型,在系数(反)对称性基础上进一步增加系数的稀疏度。然后,采用交替方向乘子法(Alternating direction method of multipliers,ADMM)进行权系数迭代求解。仿真实验表明,本文提出的基于稀疏约束的VFD滤波器在保证高延迟精度的同时,乘法器和加法器分别减少了47.69%和58.60%,极大地降低了系统运算量以及复杂度。展开更多
稀疏重建是当前CT(computed tomography)领域的研究热点,其实质是用稀疏视角下的投影来重建图像,以减少扫描过程中对病患的辐射剂量。随着压缩感知理论的提出,稀疏重建算法已经被广泛应用到了医学CT中。TV(total variation)算法是可以...稀疏重建是当前CT(computed tomography)领域的研究热点,其实质是用稀疏视角下的投影来重建图像,以减少扫描过程中对病患的辐射剂量。随着压缩感知理论的提出,稀疏重建算法已经被广泛应用到了医学CT中。TV(total variation)算法是可以实现稀疏重建的一种有效方法。本文设计了一种基于ADMM(alternating direction method of multipliers)的TV算法,先将非约束的优化问题转换为约束形式,然后引入乘子,最后通过交替方向法实现迭代过程。该方法将复杂的优化问题分解为了若干个具有闭合形式的子优化问题,故迭代速度较快。仿真实验表明,与传统的滤波反投影算法相比,该算法可以实现稀疏角度下的高精度图像重建。同时还初步探讨了平衡因子在不同噪声情形下对重建精度的影响。展开更多
虽然软大间隔聚类(Soft large margin clustering,SLMC)相比其他诸如K-Means等算法具有更优的聚类性能与某种程度的可解释性,然而当面对大规模分布存储数据时,均遭遇了同样的可扩展瓶颈,其涉及的核矩阵计算需要高昂的时间代价。消减此...虽然软大间隔聚类(Soft large margin clustering,SLMC)相比其他诸如K-Means等算法具有更优的聚类性能与某种程度的可解释性,然而当面对大规模分布存储数据时,均遭遇了同样的可扩展瓶颈,其涉及的核矩阵计算需要高昂的时间代价。消减此代价的有效策略之一是采用随机Fourier特征变换逼近核函数,而逼近精度所依赖的特征维度常常过高,隐含着可能过拟合的风险。本文将稀疏性嵌入核SLMC,结合交替方向乘子法(Alternating direction method of multipliers,ADMM),给出了一个分布式稀疏软大间隔聚类算法(Distributed sparse SLMC,DS-SLMC)来克服可扩展问题,同时通过稀疏化获得更好的可解释性。展开更多
文摘针对目标函数中包含耦合函数H(x,y)的非凸非光滑极小化问题,提出了一种线性惯性交替乘子方向法(Linear Inertial Alternating Direction Method of Multipliers,LIADMM)。为了方便子问题的求解,对目标函数中的耦合函数H(x,y)进行线性化处理,并在x-子问题中引入惯性效应。在适当的假设条件下,建立了算法的全局收敛性;同时引入满足Kurdyka-Lojasiewicz不等式的辅助函数,验证了算法的强收敛性。通过两个数值实验表明,引入惯性效应的算法比没有惯性效应的算法收敛性能更好。
基金supported by the National Natural Science Foundation of China(61673077)。
文摘By virtue of alternating direction method of multipliers(ADMM), Newton-Raphson method, ratio consensus approach and running sum method, two distributed iterative strategies are presented in this paper to address the economic dispatch problem(EDP) in power systems. Different from most of the existing distributed ED approaches which neglect the effects of packet drops or/and time delays, this paper takes into account both packet drops and time delays which frequently occur in communication networks. Moreover, directed and possibly unbalanced graphs are considered in our algorithms, over which many distributed approaches fail to converge. Furthermore, the proposed schemes can address the EDP with local constraints of generators and nonquadratic convex cost functions, not just quadratic ones required in some existing ED approaches. Both theoretical analyses and simulation studies are provided to demonstrate the effectiveness of the proposed schemes.
文摘实时电价是智能电网需求侧管理的有效方法,对于维持电力供需平衡、削峰填谷至关重要。为提高实时电价模型的低碳经济性和精确性,在充分考虑用户与供电侧双方利益前提下提出碳交易机制,并根据新能源的发电特性构建风光出力不确定模型,建立以用户总效用最大、供电侧成本最小为目标的社会福利最大化实时电价模型。提出基于改进交替方向乘子法(alternating direction method of multiplier, ADMM),即高斯回代交替方向乘子法(ADMM with Gaussian back substitution, ADMM-GBS)的分布式优化调度方法,通过将不确定模型转化为确定模型求解。仿真结果表明,所提实时电价策略能够提升社会福利,验证了模型和算法的有效性。
文摘针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。
文摘针对基于Farrow结构的可变分数时延(Variable fractional delay,VFD)滤波器需求解大量子滤波器系数这一关键问题,本文将稀疏约束理论引入滤波器的权系数优化中,研究具有稀疏系数的Farrow结构滤波器。在极大极小(Minimax)准则下,通过添加L1正则化约束项改进权系数优化模型,在系数(反)对称性基础上进一步增加系数的稀疏度。然后,采用交替方向乘子法(Alternating direction method of multipliers,ADMM)进行权系数迭代求解。仿真实验表明,本文提出的基于稀疏约束的VFD滤波器在保证高延迟精度的同时,乘法器和加法器分别减少了47.69%和58.60%,极大地降低了系统运算量以及复杂度。
文摘稀疏重建是当前CT(computed tomography)领域的研究热点,其实质是用稀疏视角下的投影来重建图像,以减少扫描过程中对病患的辐射剂量。随着压缩感知理论的提出,稀疏重建算法已经被广泛应用到了医学CT中。TV(total variation)算法是可以实现稀疏重建的一种有效方法。本文设计了一种基于ADMM(alternating direction method of multipliers)的TV算法,先将非约束的优化问题转换为约束形式,然后引入乘子,最后通过交替方向法实现迭代过程。该方法将复杂的优化问题分解为了若干个具有闭合形式的子优化问题,故迭代速度较快。仿真实验表明,与传统的滤波反投影算法相比,该算法可以实现稀疏角度下的高精度图像重建。同时还初步探讨了平衡因子在不同噪声情形下对重建精度的影响。
文摘虽然软大间隔聚类(Soft large margin clustering,SLMC)相比其他诸如K-Means等算法具有更优的聚类性能与某种程度的可解释性,然而当面对大规模分布存储数据时,均遭遇了同样的可扩展瓶颈,其涉及的核矩阵计算需要高昂的时间代价。消减此代价的有效策略之一是采用随机Fourier特征变换逼近核函数,而逼近精度所依赖的特征维度常常过高,隐含着可能过拟合的风险。本文将稀疏性嵌入核SLMC,结合交替方向乘子法(Alternating direction method of multipliers,ADMM),给出了一个分布式稀疏软大间隔聚类算法(Distributed sparse SLMC,DS-SLMC)来克服可扩展问题,同时通过稀疏化获得更好的可解释性。