对云导风矢量模型的若干研究

云导风矢量是描述示踪云运动的特征表示,可通过对具有一定时间间隔的两幅相关卫星云图分析获得.采用解析几何的方法完成云图内像素点与地球经纬度的对应.针对云图匹配中可能出现的多峰值问题,提出了一种基于交叉相关系数法的改进算法,提高非零风矢的质量.同时提出了自适应调整窗口大小和搜索范围的算法,在保证云迹风场的质量的前提条件下,降低计算复杂度.通过仿真,获得带压强显示的风场分布图.     

基于交叉相关系数的风矢度量模型

利用卫星云图中的灰度数据,建立了基于灰度值相关系数的风矢场动态匹配度量模型,并用差商法、三次样条插值法和整体局部匹配算法对模型进行优化.与传统的固定窗口风矢度量模型相比,具有较高的度量精度和匹配速度.对非单调的气压层与温度函数进行了分段拟合求解,根据气压层温度曲线特性和气压不能突变原理,建立了气压层全局匹配模型.     

正态云模型果蝇优化算法及其应用

提出了一种基于正态云模型的果蝇优化算法(NCMFOA).该算法通过直接将果蝇位置赋值给气味浓度判定值和引入正态云模型来刻画果蝇嗅觉搜索行为的随机性与模糊性,从而解决了果蝇优化算法(FOA)不能搜索负值空间的缺陷,并有效克服了FOA算法在解决复杂优化问题时容易陷入局部极值的不足.通过正态云模型熵值的动态调整,使得NCMFOA算法在进化的前期阶段具有较强的随机性与模糊性,以提高算法的全局探索能力;随着迭代次数的增加,算法搜索行为的随机性与模糊性逐渐减弱,使得其局部开发能力逐渐增强,算法收敛精度得到提高.此外,通过引入视觉实时更新方案,进一步加速了算法的收敛速度.用经典的基准测试函数验证了NCMFOA算法的可行性与有效性,结果表明该算法具有收敛速度快、收敛精度高以及鲁棒性好等优点,对于高维复杂优化问题,该算法同样获得了良好的优化效果.将NCMFOA算法用于解决混沌系统的参数估计问题,进一步验证了该算法具有较强的解决实际工程优化问题的能力.     

非对称相异性矩阵的一种非度量多维尺度变换

本文将Okada ＆ Imaizumi等的模型加以推广,提出了一种用于处理非对称相异性矩阵的非度量多维尺度变换新方法.在模型中,我们假定每个研究对象可以表示为Minkowski度量空间中的一个点和一个超球面,超球面的半径揭示了相应研究对象的非对称性.文中我们给出了一种计算点坐标及球半径的算法.该算法使用了代数方法,比原来的方法收敛速度快,节省计算时间.最后给出了一个数值例子.     

基于卫星云图的风矢场(云导风)度量模型与算法探讨

对通过卫星云图来识别移动云块、计算风矢的问题进行了探讨.采用以点法式平面方程为核心的空间曲面方程组,实现了视场坐标变换;结合相邻帧差、中值滤波、阈值截取三种方法对卫星云图进行预处理,获得了云块分布;建立了滑动搜索图像匹配模型,并从数据挖掘以及图像特征的角度出发,设计了基于数据和基于统计参数这两种自适应算法,对匹配窗口大小、搜索范围进行优化;最后,为模型的继续改进提出了建议.     

基于模矢搜索和遗传算法的混合约束优化算法

近年,免梯度方法又开始引起大家的注意，由于不需要计算函数的梯度．特别适合用来求解那些无法得到梯度信息或需要花很大计算量才能得到梯度信息的问题．本文构造了一个基于模矢搜索和遗传算法的混合优化算法．在模矢搜索方法的搜索步，用一个类似于遗传算法的方法产生一个有限点集．算法是全局收敛的.     

基于多尺度中心性算法的复杂网络节点影响力研究

复杂网络中重要节点的影响力度量是网络信息挖掘中的关键问题,传统的重要节点识别方法仅考虑单一因素影响,具有一定的局限性.提出了一种基于位置信息,拓扑结构和边重要性的多尺度中心性(Multi-Scale Centrality (MSC))的度量新方法.方法融合了多样性因子影响,在K-shell分解的基础上根据节点与其位于不同k核层的邻居间的关系构建外连边尺度衡量节点的位置信息,克服了同层节点重要性无法被区分的缺陷.又结合具有结构洞特性的节点相对其邻居节点的信息传播和控制优势,对节点的重要性更进一步地作区分.最后根据边的可替代性衡量边重要性,并依据边对其相连节点的重要性贡献构造多尺度MSC中心性算法模型.经与SIR疾病传播模型在真实网络模拟的结果进行对比,验证了本算法可行性和有效性.     

退化约束的既约变尺度法

既约梯度法是求解线性等式与变量非负约束的非线性规划问题的有效方法,它的优点是降低问题的维数.变尺度方法是求解无约束优化问题的快速方法.文[1]将上述两种方法结合起来,给出了约束非退化并采用精确一维搜索的既约变尺度法,并证明了算法的收敛性与超线性收敛速度.但从计算的实现上来说,必须考虑使用非精确搜索的算法.为了使算法的适应范围更加广泛,也需要放弃约束非退化的假设.本文在满足上述两个要求下给出了退化约束条件下并采用非精确一维搜索的既约变尺度法,证明了算法的全局收敛性与超线性的收敛速度.     

带有非精确线性搜索之下降算法的收敛性质

本文讨论不做精确线性搜索的算法,给出算法是线性收敛的充要条件,证明了一类带有非精确线性搜索的变尺度算法之收敛性与超线性收敛性,同时表明DFP方法在理论上是好的.     

基于CVaR的债券投资组合模型

针对债券投资组合中的风险度量难题,用CVaR作为风险度量方法,构建了基于CVaR的债券投资组合优化模型.采用历史模拟算法处理模型中的随机收益率向量,将随机优化模型转化为确定性优化模型,并且证明了算法的收敛性.通过线性化技术处理CVaR中的非光滑函数,将该模型转化为一般的线性规划模型.结合10只债券的组合投资实例,验证了模型与算法的有效性.