全局收敛

摘要： 求解含有等式与不等式约束条件变分不等式问题的半内点组合同伦方程,在较弱的条件下证明从?n内任意一点出发的同伦路径的存在性、有界性和收敛性,并利用数值算例验证半内点组合同伦方法求解含等式与不等式约束条件变分不等式问题的可行性和有效性.

摘要： 研究一个新的求解非线性加权互补问题的光滑算法。该算法利用一个带有权重的光滑函数,将非线性加权互补问题等价转化成一个光滑方程组,再利用牛顿法求解此方程组。在非奇异条件下,证明了算法具有全局和局部二次收敛性质。数值实验结果表明算法是非常有效的。

摘要： 为了缓解城市交通拥堵,提出了一种城市各区域停车收费协同定价优化方法,通过差异化各区域停车收费价格,调控时空交通流,实现均衡交通负荷、提高出行效率的目标。构建城市各区域停车收费协同定价双层优化模型,上层模型以提高路网用户盈余为目标优化各区域停车收费价格,下层模型是考虑了停车收费和出行时间影响的弹性需求下用户均衡分配模型,分析停车收费价格对出行需求和道路网络流量分布的影响。针对双层规划模型求解,基于弹性需求下用户均衡分配模型敏感性分析方法,设计了一种可全局收敛的改进型可行方向求解算法,并证明了算法的收敛性。在分析停车收费对出行需求影响基础上,结合具体案例,测试验证所建模型和设计算法的可行性与有效性。结果表明:通过SP调查分析发现私家车出行需求随着停车收费价格的增长而呈现指数级下降趋势,所构造的停车收费影响下弹性出行需求函数具有很好的拟合效果;本文提出的改进型可行方向法可有效求解城市各区域停车收费协同定价双层规划模型,并且收敛速度较快,拥有很好的求解效率;所提出的停车收费区域协同定价优化方法不仅可以改善局部地区的交通拥堵,也能有效提高路网总体的交通运行状况,具有很好的应用价值。

摘要： 近年来,非线性方程组问题越来越多地出现在科学与工程领域中。Levenberg-Marquardt (LM)方法是解决此问题的有效方法。为了避免信赖域步不可取的情况,文章提出一种基于非单调线搜索技术的修正LM方法,同样保证了算法在局部误差界的条件下达到全局收敛,并在文末附上了相应的数值结果,证明算法是有效的。

摘要： 本文提出了一种杂交三阶投影HS-PRP共轭梯度法求解凸约束优化问题并证明了该算法的全局收敛性,该方法是求解无约束优化问题的三阶HS共轭梯度法的推广。数值实验结果表明,该算法是有效的。

摘要： 基于谱梯度法和著名LS共轭梯度法的结构,该文建立了求解凸约束非线性伪单调方程组问题的谱LS型无导数投影算法.通过构建适当的谱参数,该算法在每一次迭代中都能保证搜索方向的充分下降性,并且独立于线搜索条件.在适当的假设条件和经典无导数线搜索条件下,算法具有全局收敛性.通过数值实验发现,该算法继承了LS共轭梯度法优秀的计算性能,并提高了稳定性.

摘要： 针对现有石化旋转设备故障诊断算法去噪过程中阈值范围控制不准确、故障诊断误差偏高的不足,提出一种基于QPSO优化算法的故障诊断方法研究.为克服传统PSO算法无法实现全局收敛的弊端,QPSO优化算法利用波函数来表示粒子的状态,降低阈值范围识别的总体代价;在原始故障信号处理方面,基于小波阈值分解得到不同频段的信号系数,在QPSO算法优化下利用GCV函数准确确定出小波阈值滤波去噪中的最优阈值范围,进而也提高了小波信号重构的精度,实现对旋转设备故障信号的精确诊断.

摘要： 本文提出了一种广义近似交替方向乘子法(gPADMM)来求解可分离凸优化问题。和近似邻近点算法(APPA)和扩展邻近交替方向方法(ePADM)相比,新算法不仅更新自定义矩阵的结构,而且引入随机变量进行随机加速更新步长,从而克服了旧算法固定步长的不灵活性。在某些适当的假设条件下,本文证明了新算法的全局收敛性,并且初步数值实验表明该算法是有效的,收敛速度比旧算法更快。

摘要： 针对线性二阶锥权互补问题,提出一种新的非精确非单调光滑化牛顿法.首先,基于新的含参数光滑函数,将线性二阶锥权互补问题转化为一个光滑方程组;然后,给出求解该方程组的新非精确非单调光滑化牛顿法;最后,在半正定矩阵假设下,证明该算法全局收敛和局部超线性收敛.数值结果表明,该算法稳定、有效.

摘要： 共轭梯度法是求解无约束优化问题的一个有效方法.由于共轭梯度法只利用一阶梯度信息而忽略了目标函数值信息,故为了充分利用目标函数值信息值和梯度信息,结合Saman和Zahra Khoshgam等人提出的割线条件,针对TMDL和TMDL+方法给出了基于修正割线方程改进具有充分下降性的共轭梯度法.证明了STMDL方法在Wolfe线搜索下对一致凸函数强收敛,STMDL+方法对一般函数是全局收敛的.数值结果表明STMDL+方法优于HZ+和DK+方法.

摘要： 共轭梯度法由于算法简单、存储需求小等特点，非常适合求解无约束优化问题。其中PRP方法为共轭梯度法中数值表现较好的算法之一。本文基于一种修正公式，在非单调准则下给出了一种修正PRP算法的全局收敛性。

摘要： 针对非线性等式和不等式约束优化问题,结合罚函数法,提出了一个共轭投影梯度法.在适当的条件下,证明了此方法的全局收敛性.

摘要： 有关PID控制的文献已有很多，可性能相对较优的不完全微分PID控制很少与神经网络相结合，更少与遗传算法相结合。针对此提出了遗传神经网络与不完全微分相结合的控制，用遗传算法来学习神经网络的权系数使不完全微分PID控制达到最优，其中神经网络用BP神经网络。仿真结果显示了遗传算法快速学习神经网络权系数的能力，并且能够有效抑制遗传算法初期收敛的发生，确保了快速达到全局收敛，克服了传统BP神经网络精度低、收敛速度慢的缺陷，表明了该方法的可行性和有效性。

摘要： 粒子群优化算法(PSO)是一种有效的可以实现全局搜索的优化算法,其中局部PSO算法可以实现成功率为100%的全局搜索,但是局部收敛速度慢.序列二次规划(SQP)算法可以快速求解非线性有约束的寻优问题,但是易陷入局部极值.通过提出一种将局部PSO算法作全局搜索,SQP算法作局部搜索的新优化算法,可以在保证全局收敛的前提下快速收敛到目标函数的极值.针对该方法的仿真及在闭环系统辨识中的应用证明了其对于多峰值、病态、非线性函数的寻优可以得到满意的结果.

摘要： 粒子群优化算法(PSO)是一种有效的可以实现全局搜索的优化算法,其中局部PSO算法可以实现成功率为100%的全局搜索,但是局部收敛速度慢.序列二次规划(SQP)算法可以快速求解非线性有约束的寻优问题。但是易陷入局部极值。通过提出一种将局部PSO算法作全局搜索,SQP算法作局部搜索的新优化算法,可以在保证全局收敛的前提下快速收敛到目标函数的极值。针对该方法的仿真及在闭环系统辨识中的应用证明了其对于多峰值、病态、非线性函数的寻优可以得到满意的结果.

摘要： 基于梯度的神经网络训练算法收敛速度慢且易陷入局部最优,并且算法收敛依赖网络参数的初始值。现有基于PSO算法的训练算法虽然可以提高算法收敛速度,但是由于微粒群尺寸随着神经网络规模的扩大而增大,从而导致算法复杂性急剧增加,并且存在过早收敛问题。为此,本文提出了一种改进的神经网络PSO训练算法,该算法仅用到两个微粒子,且可以证明算法以概率1收敛到全局最优。仿真实例表明,本文提出的算法不仅收敛速度快、收敛精度高,并且算法收敛不依赖于网络参数的初始值。

摘要： 本文从理论上对求解无约束优化问题的此类共轭下降算法的全局收敛性进行了研究， 得到了其全局收敛性定理，但数值计算与程序的实验须进一步研究。

摘要： 针对非线性等式和不等式约束优化问题,结合罚函数法,提出了一个共轭投影梯度法.在适当的条件下,证明了此方法的全局收敛性和超线性收敛性.

摘要： 采用反演的方法确定岩土介质的渗透系数，采用优化模型对渗透系数反演问题进行建模。在具有全局搜索能力的遗传算法的基础上，采用Powell 局部搜索算法对遗传算法的变异算子进行改进。基于遗传算法和Powell 局部搜索算法的基础上，构造混合优化方法，所提出的算法在保证全局搜索能力的同时，具有较快的收敛速度。结合工程实例检验了所提出算法的全局最优能性和快速收敛性。

摘要： 采用反演的方法确定岩土介质的渗透系数，采用优化模型对渗透系数反演问题进行建模。在具有全局搜索能力的遗传算法的基础上，采用Powell 局部搜索算法对遗传算法的变异算子进行改进。基于遗传算法和Powell 局部搜索算法的基础上，构造混合优化方法，所提出的算法在保证全局搜索能力的同时，具有较快的收敛速度。结合工程实例检验了所提出算法的全局最优能性和快速收敛性。

摘要： 一种值函数快速收敛的智能体高效全局探索方法及系统，所述方法在于：基于矫正局部奖励和全局奖励协同构成的扩展奖励以给予无人机更明确的训练目标，并采用通用价值函数逼近器，使无人机在整个训练过程中保持对环境的探索并通过全局奖励调制矫正局部奖励以捕捉全局相关性。最终，使得无人机智能体训练效率高且最终可以习得最优作战策略。本发明通过引进矫正局部奖励，使得无人机在整个训练过程中一直保持探索，矫正局部奖励也会始终调控扩展奖励，使得无人机不会提前收敛到次优策略，保证无人机学会最优策略；将不同情节间的观察信息访问情况关联起来，从而能够使得无人机更多的去访问在整个训练过程中和情节过程中没有被访问过的观察信息。

摘要： 本发明公开了一种全局有限时间收敛的混沌加密通讯方法，其特点在于将双通道信息设置为发送端混沌系统的输入，从而调制混沌系统状态，再将混沌系统的状态发送给接收端，利用该状态信息，构造结构不同的混沌系统，并通过设计一种全局有限时间收敛的同步规律，使得接收端混沌系统状态能够在有限时间内完全同步于发送端混沌系统信号。最后，精确快速同步的基础上，通过设计微分型信息解密策略，实现双通道的信息还原解密。

摘要： 一种值函数快速收敛的智能体高效全局探索方法及系统，所述方法在于：基于矫正局部奖励和全局奖励协同构成的扩展奖励以给予无人机更明确的训练目标，并采用通用价值函数逼近器，使无人机在整个训练过程中保持对环境的探索并通过全局奖励调制矫正局部奖励以捕捉全局相关性。最终，使得无人机智能体训练效率高且最终可以习得最优作战策略。本发明通过引进矫正局部奖励，使得无人机在整个训练过程中一直保持探索，矫正局部奖励也会始终调控扩展奖励，使得无人机不会提前收敛到次优策略，保证无人机学会最优策略；将不同情节间的观察信息访问情况关联起来，从而能够使得无人机更多的去访问在整个训练过程中和情节过程中没有被访问过的观察信息。

摘要： 本发明公开了一种有限时间收敛全局鲁棒滑模制导方法。包括步骤：1、将测得的航迹看作方位信息的时间序列，不同航迹最终构成一个时间序列集合；2、以当前时刻与历史时刻为模糊因子进行相似计算并得到模糊相似矩阵，后求得模糊等价矩阵；3、采用全局最优的判别准则确定航迹关联对，达到航迹关联的目的。本发明还能用于评估其他非致命武器作战效能评估，解决武器系统作战效能评估中的评估难题。

摘要： 本发明涉及水下定位技术领域，特别涉及一种水下航行器的单信标定位方法。一种具有全局收敛性的水下航行器单信标定位方法，水下航行器搭载有水听器、多普勒测速仪、深度计、姿态航向参考系统及GPS；水声信标周期性广播水声信号；本发明通过状态增广，将离散状态的非线性单信标定位模型转化为线性时变模型；在未接收到水声信号时，通过水下航行器自身搭载设备获得水下航行器与水相对速度与姿态进行航位推算；接收到水声信号后，通过已知的水声信号发射时间获得水声信号传递时间，将其作为观测变量，同时综合航位推算数据以及各种传感器观测数据，基于Kalman滤波进行单信标定位的预测及更新。在满足定位模型可观测的前提下，本方法具有全局指数收敛性。

摘要： 本发明涉及水下定位技术领域，特别涉及一种水下航行器的单信标定位方法。一种具有全局收敛性的水下航行器单信标定位方法，水下航行器搭载有水听器、多普勒测速仪、深度计、姿态航向参考系统及GPS；水声信标周期性广播水声信号；本发明通过状态增广，将离散状态的非线性单信标定位模型转化为线性时变模型；在获得的随体坐标系下水下航行器与水相对速度以及航行器姿态航向时，进行Kalman滤波预测；在获得海流速度观测、深度计观测、水声信号传递时间时，分别通过Kalman滤波进行海流速度、深度、水声信号传递时间更新。在满足定位模型可观测的前提下，本方法具有全局指数收敛性。

摘要： 本发明公开了一种全局收敛的复合材料离散纤维铺角优化方法，应用于纤维增强复合材料结构优化领域。针对现有方法不能保证全局收敛且求解不稳定的问题，本发明构建了基于刚度矩阵插值的离散纤维铺角优化数学模型，提出了优化域逐步收紧和离散方向搜索的优化思想，设计了能够自动满足约束条件的变量更新规则，将约束条件内置于求解器中，实现了约束优化问题向非约束优化问题的转化。本发明方法不需要惩罚措施即可保证优化域全局收敛，给出清晰的纤维布局方案，解决了复合材料离散纤维铺角优化中存在的全局收敛问题。本发明方法应用于平面应力、平板弯曲、壳体扭转等不同类别的物理模型均可实现全局收敛，且具有可靠的寻优能力和高效的求解效率。

摘要： 本发明涉及水下定位技术领域，特别涉及一种水下航行器的单信标定位方法。一种具有全局收敛性的水下航行器单信标定位方法，水下航行器搭载有水听器、多普勒测速仪、深度计、姿态航向参考系统及GPS；水声信标周期性广播水声信号；本发明通过状态增广，将离散状态的非线性单信标定位模型转化为线性时变模型；在未接收到水声信号时，通过水下航行器自身搭载设备获得水下航行器与水相对速度与姿态进行航位推算；接收到水声信号后，通过已知的水声信号发射时间获得水声信号传递时间，将其作为观测变量，同时综合航位推算数据以及各种传感器观测数据，基于Kalman滤波进行单信标定位的预测及更新。在满足定位模型可观测的前提下，本方法具有全局指数收敛性。

摘要： 本发明涉及水下定位技术领域，特别涉及一种水下航行器的单信标定位方法。一种具有全局收敛性的水下航行器单信标定位方法，水下航行器搭载有水听器、多普勒测速仪、深度计、姿态航向参考系统及GPS；水声信标周期性广播水声信号；本发明通过状态增广，将离散状态的非线性单信标定位模型转化为线性时变模型；在获得的随体坐标系下水下航行器与水相对速度以及航行器姿态航向时，进行Kalman滤波预测；在获得海流速度观测、深度计观测、水声信号传递时间时，分别通过Kalman滤波进行海流速度、深度、水声信号传递时间更新。在满足定位模型可观测的前提下，本方法具有全局指数收敛性。

摘要： 本发明公开了一种能够提高全局收敛性能的复杂网络社区检测方法，具体包括：提高差分进化算法的全局收敛性能的步骤，该步骤具体是：(一)分类自适应差分类变异策略；(二)动态自适应参数调整；(三)基于历史信息的进行差分选择操作。基于分类的自适应变异将作用于每一代种群中所有个体直到进化结束，因此每个个体的变异都能够得到有针对性的调整。一方面，可以加强优秀个体的探索能力，以增加在其邻域发现全局最优的可能性；另一方面，能够加强较差个体的开采能力，以加快其向全局最优化的搜索速度。