基于可调子块迭代的加速SAGE算法在PET图像重建中的应用

提出了一种可调子块迭代(RBI)方法加速空间交替广义期望最大(SAGE)算法的收敛性.新的可调子块迭代的空间交替广义期望最大算法(RBI-SAGE)组合了RBI算法和SAGE算法的优点用于加速正电子发射断层(PET)图像重建.RBI-SAGE将投影数据分成不连续的子块,每一次迭代仅包含一个这样的子块.在每一个子块中用SAGE算法序列更新参数.实验中,运用RBI-SAGE算法与SAGE算法对PET图像进行重建.结果表明,RBI-SAGE收敛性能比SAGE算法优越,且重建图像质量较高.     

对线性规划的预估校正算法的修正

针对线性规划问题给出了一种新的内点算法-预估校正算法,并讨论了其多项式的收敛性,算法的迭代复杂度为O(n L).     

一类非单调信赖域算法

给出了一类新的非单调信赖域算法，且证明了算法的全局收敛性和在适当条件下的超线性收敛性．     

基于动量线性约束恒模算法的盲多用户检测

提出了一种DS-CDMA系统盲多用户检测的动量线性约束恒模算法,对算法的收敛性进行了理论上的分析。仿真表明所提算法在动态环境下有较好的收敛性、跟踪性和鲁棒性。     

协同控制多目标粒子群算法研究

针对现有的多目标粒子群算法易陷入局部最优、难以平衡收敛性和多样性等方面的问题，提出一种协同控制多目标粒子群算法(CCMOPSO)。首先，算法脱离Pareto支配关系采用成就标量函数更新pbest。其次，提出了一种平均角度和最低距离相结合的协同策略，以删除外部存档中性能不好的非劣解。从而对存档进行维护，平衡收敛性和多样性，有利于非支配解逼近Pareto前沿。最后，将CCMOPSO算法与几个多目标优化算法在15个测试问题上进行仿真实验。实验结果分析表明CCMOPSO算法的有效性可以很好地平衡收敛性和多样性，避免陷入局部最优。从而说明CCMOPSO算法在处理多目标优化问题表现出较强的竞争力。     

一种改进的前馈神经网络算法

介绍了前馈神经网络算法,讨论了当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算,并通过仿真实验证明了结合BFGS算法的神经网络具有更好的收敛性,误差更小。     

基于人工免疫—蚁群混合算法的WSN路径优化研究

人工免疫算法(AIA)是借鉴人体免疫机制提出的一种智能算法,它具有快速随机的全局搜索能力,但不能有效利用系统的正反馈信息,往往会做大量的冗余迭代,降低了求解效率;而蚁群算法具有分布式并行全局搜索能力,但由于初期信息素匮乏,求解速度低。基于这两种智能算法的优劣势,提出的AIAC算法充分利用了AIA的快速性和全局收敛性产生初始解,再利用蚁群算法提高求解效率,在Matlab上取得了较好的仿真效果。     

一类变分不等式系统的辅助问题及其算法

研究了一类非线性变分不等式系统(SNVI)及其相关辅助问题,建立了辅助问题解的存在性定理。基于这些辅助问题,构造了求解SNVI的算法,证明了SNVI解的存在性以及算法的收敛性。     

FCM改进方法在图像分割中的知识发现

考虑到图像存在异常像素,将邻域因素考虑在内对模糊C-均值聚类算法(FCM)和异常像素检测算法(APD)提出了改进。首先,提出了邻域因素的邻域-FCM(N-FCM),然后,提出了模糊异常像素检测算法(Fuzzy-APD)。实验过程中,选择噪声图像、彩色图像作为实验图像,对FCM和N-FCM算法进行性能比较,证实相比于FCM算法,N-FCM算法的收敛性明显提高,图像分割的正确率进一步改善;同时从图像中获取部分像素进行异常像素检测,实验证实相比于异常像素检测,Fuzzy-APD准确性更高。     

凸函数的BFGS算法的整体收敛性

本文分析了凸函数的BFGS算法的收敛性质,在适当的条件下证明了算法具有全局收敛性。     

广义平衡定制邻近点算法

针对具有线性等式约束的凸优化模型提出了一种新的定制邻近点算法,基于姜彬倩提出广义放松定制邻近点算法和何炳生提出的平衡拉格朗日算法,放松了定制邻近点算法的参数条件。新算法扩大了其适用范围,在一些较为温和的假设下,证明了新算法的全局收敛性。     

非凸无约束优化问题一个修正的广义DFP型拟牛顿法

对一般非凸无约束优化问题提出了一类在修正的DFP算法下的广义拟牛顿算法,证明了该算法对非凸函数在Goldstein非精确线搜索下具有全局收敛性.     

大学自动排课算法设计与实现

文章提出了一种应用于高等院校的自动排课算法。该算法针对高等院校排课要求的高易用性、高收敛性等特点将启发式算法、禁忌搜索算法、回溯算法进行有机结合,充分发挥启发式算法在利用应用领域经验和规则的优势,提高了自动排课的资源搜索能力。通过实际的应用表明,该算法在解决复杂的高校排课问题时有较好的效果。     

基于聚集密度的人工免疫多目标进化算法

为了改善人工免疫多目标进化算法的分布性,引入聚集密度以进行Pareto最优解集的更新。其基本思想为:首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。通过数值实验,用量化指标研究了新算法的收敛性和分布性,结果表明:新算法的收敛性与常规人工免疫多目标进化算法相当,但分布性有了明显提高。     

一类优化问题的Broyden算法

讨论了有约束优化问题的Broyden算法,并在一定的条件下,证明了该算法的全局收敛性。     

电网故障的正余弦诊断方法

提出了一种基于正余弦算法(Sine-Cosine Algorithm,SCA)的电网故障诊断方法。SCA算法采用正弦函数与余弦函数实现迭代运算,结构简单、搜索快速、易于实现。根据电网故障诊断问题的特点设计了二进制SCA算法,通过单重故障、多重故障并伴有保护和断路器不正确动作的多个算例,从准确性、快速性、收敛性等多个角度对比分析了SCA故障诊断方法的有效性。仿真结果表明,与遗传算法和粒子群算法相比,SCA算法可以快速获得更加准确的诊断结果,且合理的算法参数设置对诊断结果产生重要影响。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在"认知"部分和"社会"部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

关于蚁群算法的收敛速度的研究分析

蚁群算法是近年新兴的,一种广泛应用于应用数学、计算机等领域的机器学习技术,该算法的发展始于近十来年,很多方面研究都还不够成熟,尤其是对其收敛性和收敛速度的研究更是少之又少,相关研究人员和学者还需要在此方面做出更多的努力。本文先就蚁群算法的基本概况和核心思想进行阐述,进而探讨了目前阶段国内外学者对蚁群算法的收敛性和收敛速度的研究现状,并根据蚁群算法的基本特性,提出了对蚁群算法的收敛速度进行分析的理论,来分析蚁群算法的收敛速度,初步得到了蚁群算法分析收敛速度的设计指导原则。     

求解带T-单调函数对应的NCP的Schwarz算法

使用加性Schwarz算法求解带T-单调函数对应的非线性互补问题(NCP),该算法在特殊选取初值情况下具有单调收敛性.     

单调变分不等式的一种自适应谱梯度投影算法

本文提出了求解单调变分不等式问题的一种自适应谱梯度投影算法,并在一定条件下建立了算法的全局收敛性结果.初步的数值实验结果表明该算法能够有效提高原有算法的计算效率.