共轭梯度子空间基追踪算法及其相关结果

压缩感知可以在低于Nyqiust采样率条件下实现稀疏信号的精确恢复. 重构算法是压缩感知的主要研究内容之一. 本文基于子空间基追踪算法的回溯思想与共轭梯度法, 提出了共轭梯度子空间基追踪算法. 通过仿真实验验证了算法的有效性, 并讨论了该算法利用几种常见测量矩阵对稀疏信号的重构效果. 结果显示, 当测量矩阵为部分Fourier矩阵时, 该算法具有最优的重构效果.     

一种基于高阶互累计量的遗传盲反卷积算法

提出了一种基于高阶互累计量的遗传盲反卷积算法,旨在解决现有许多基于独立分量分析盲反卷积算法中存在的两个共同缺陷.一是算法中引入的非线性函数依赖于源信号的峭度性质,当观测信号为超高斯信号与亚高斯信号的卷积混合时,算法性能急剧下降.二是算法中大多采用梯度法对分离矩阵序列进行寻优,初始值和步长的设定对搜索性能影响较大,使得寻优过程易陷入局部极优值,从而降低算法的分离效果.在阐述了算法的相关原理和设计思路之后,通过对比试验验证了算法的正确性和有效性.     

求解Sylvester张量方程的隐式共轭梯度法

针对系数矩阵对称正定,右端张量秩1的Sylvester张量方程,提出隐式的共轭梯度法。这样得到的近似解、共轭方向和残量都具有张量的Tucker分解格式及递推关系。与标准的共轭梯度法求解Sylvester张量方程相比较,隐式共轭梯度法能够节约大量的计算量及存储空间。     

解线性最小二乘问题的一个新并行算法

讨论了求解无约束线性最小二乘问题的一种并行单纯形法以及对它的改进算法并行共轭梯度—单纯形法 .算法本身具有很强的并行机制 ,能够充分地发挥并行机快速省时的特点 .本文也对算法做了理论分析 ,对算法的收敛性给予了证明 (在二维情形下 ) .最后做了数值实验 (由于软硬件条件的限制 ,并行算法未能在并行计算机上实现 ,鉴于这种情况 ,我们所做的数值实验均是在串行机上完成的 )     

基于共轭梯度法的感知矩阵优化方法

压缩感知理论中降低信号维数的关键问题是构造有效的测量矩阵。在已知稀疏基的情况下,基于ETF（Equiangular Tight Frame）框架的测量矩阵构造方法和稀疏信号重构过程均依赖于感知矩阵。为此,设计了一种基于共轭梯度法的感知矩阵优化方法,该方法简单易行,且所求结果的Gram矩阵与目标Gram矩阵更接近。 实验结果表明,此感知矩阵优化方法在理论分析、实际图像应用及算法有效性上均具优势。     

一种快速计算分层媒质中三维目标电磁散射的方法

基于稳定双共轭梯度-快速傅立叶变换（BCGS-FFT）和离散复镜像方法（DCIM），快速求解了平面分层媒质中三维目标电磁散射．首先引入离散复镜像方法用以加速并矢格林函数的计算，并针对三维问题，采用了裂项计算并矢格林函数，进一步减少了时间需求．然后在离散积分方程中采用弱模式并矢格林函数，降低了积分方程的奇异性，加快了迭代算法的收敛．数值结果表明，本文方法计算耗时较改进前减少90％，适于电大尺寸问题的求解．     

用遗传算法求解三维埋入体的电磁逆散射问题

采用遗传算法(GA)结合稳定的双共轭梯度一快速傅立叶变换(BCGS-FFT)方法求解了平面分层媒质中埋入目标的电磁逆散射问题．首先定义目标函数为测量电场与在假定目标区域电磁参数分布下的计算电场的差值的平方和，然后使用遗传算法最小化这个目标函数可得到目标区域的电磁参数分布，从而完成逆散射问题的求解．数值计算的结果表明：该算法可以求解多层媒质中任意三维非均匀埋入目标的电磁逆散射问题。     

下降的非线性共轭梯度法及其全局收敛性

共轭梯度法是解决大规模无约束优化问题的一种重要方法．文中给出了两种下降的非线性共轭梯度法,并在标准的Wolfe准则下证明了其全局收敛性．数值实验表明这两种方法在所给的例子中是有效可行的．     

预处理的校正梯度路径信赖域算法

信赖域算法是最优化中广泛使用的一种方法．在迭代的每一步都要解信赖域子问题,在众多解子问题的方法中,校正梯度路径算法利用系统的特征值和特征向量在整个雏数空间求出子问题的解,虽然这个方法较吸引人,但现有的校正梯度路径算法不太可行,因为在每一步迭代中它要求整个特征系统的计算或者矩阵的重复分解．提出了一种预处理的校正梯度信赖域算法．该算法在一步迭代中仪通过对对称矩阵进行一次Bunch-Parlett分解就在全空间中求出子问题的解,再用单位下三角矩阵因子去标度问题的变量,预处理的校正梯度路径由此形成,算法在通常使用的条件下有好的收敛性,对各种模型的优化问题的计算结果也显示出算法的高效性．     

预处理DYHS混合共轭梯度时域波形反演算法

为了提高梯度类算法的反演效果及其收敛性,本文对DYHS混合共轭梯度法进行了研究,采用近似黑塞矩阵的主对角元及正则化技术对梯度进行预处理,并对该共轭梯度法进行了改进.以变化层状阶梯模型为例,分别实现了传统的梯度类方法以及预处理后的DYHS混合共轭梯度法,反演结果验证了改进后的反演算法能很好地提高反演的收敛性,使模型结果更接近于理论模型.     

一类推广的差异演化算法及其应用

针对差异演化算法的局部收敛性问题，从Minimax优化的角度，提出求解非线性多峰函数优化问题的一类推广的差异演化算法（EDEA），该算法利用均匀设计方法在可行域内产生初始群体，增加种群的差异性，具有大范围收敛的性质；并且动态收缩可行域，有效地抑制了粒子群优化算法易收敛到局部最优的缺陷；给出应用该方法到典型非线性优化和不稳定周期点的求解的具体步骤，通过仿真实验证明该算法是鲁棒的。     

多目标子空间搜索演化算法MOSSSEA

在研究已有的求解多目标函数优化问题的演化算法的基础上,提出了一个结合Rank排名和子空间搜索的新的以杂交为主的演化算法MOSSSEA(Multi-Object Sub-Space Search Evolutionary Algorithm),将MOSSSEA应用到求解静态多目标函数优化问题中.一组测试函数的结果表明MOSSSEA表现出了优于同类算法的收敛性和多样性.     

求解函数优化问题的两种异步并行算法

对子空间搜索法（一类多父体重组搜索策略）与群体爬山法相结合的一种随机搜索新算法即郭涛算法的特点进行了分析与实例验证，并在此基础上提出两种异步并行算法，以适应各种类型的并行与分布计算环境。以Bump函数的优化问题为例在超级并行计算机上作了并行数值试验，得到了迄今最好的结果。     

在GPU上求解大规模优化问题的反向策略的PSO算法

本文通过对传统粒子群算法(PSO)的分析,在GPU(Graphic Process Unit)上设计了基于一般反向学习策略的粒子群算法,并用于求解大规模优化问题.主要思想是通过一般反向学习策略转化当前解空间,提高算法找到最优解的几率,同时使用GPU大量线程并行来加速收敛速度.对比数值实验表明,对于求解大规模高维的优化问题,本文算法比其他智能算法具有更好的精度和更快的收敛速度.     

大规模界约束优化的子空间截断牛顿法

给出了大规模界约束优化的一个子空间截断牛顿法。利用截断牛顿法修正非有效约束所对应的变量，用投影梯度法修正有效约束所对应的变量，文中证明了方法的整体收敛性，并对方法进行了数值试验，且与子空间有限内存拟牛顿法进行了数值比较。     

一种基于空间结构的数值优化演化算法

提出一种求解数值优化问题的演化算法－－基于空间结构的演化算法(Space GA），在这种算法中，作者将演化种群中的每个个体放在固定的位置上，杂交操作在其邻居上的几个点进行，因此不用选择遗传操作的父体，从而避免了确定选择压力的问题，同时空间结构保证了搜索的全局性，遗传操作保证了较优解在其空间中的扩展，从而达到了全局寻优的目的。文章还讨论了不同的空间结构算法的影响，此算法可以求角数学规划问题、约束函数优化问题，如果对实型变量采用取整的操作，算法还可以求解混合整数非性规划问题，数值试验的结果表明了算法在求解的速度，稳定性，质量等方面都优于一般的演化算法。     

生物地理学优化算法中基于Zoutendijk可行方向法的变异算子设计

根据约束优化问题的全局收敛性要求,基于传统优化与智能优化,设计了一种基于Zoutendijk可行方向法的新型变异算子,并将其应用于生物地理学优化算法,构建了一种用混合优化算法求解优化问题的方法.通过算子设计策略的理论验证、智能算法的收敛性分析及6个不同类型算例的仿真试验,证明此自适应求解优化问题机制具有实效性.