基于自适应相位匹配量子计算的求核算法

在经典计算环境下,粗糙集的核属性求解只能逐个验证属性,而量子计算则提供了一种并行计算的可能。经分析,量子计算中的Grover算法适用于粗糙集的核属性求解,但经典Grover算法及Grover算法的一些变体都不能总以100%的概率获得目标分量。该研究首先提出一种将固定相位角度改为由目标分量占比决定的自适应匹配相位角度的改进策略;然后将改进策略应用于粗糙集的核属性求解,提出了一种基于自适应相位匹配量子计算的求核算法。通过理论证明和仿真实验,该算法总能以100%的概率得到粗糙集的核属性,其效率相较于传统求核算法有着平方根的加速。     

免疫遗传算法的逻辑电路进化设计研究

针对电路进化设计时传统进化算法收敛速度慢且易陷入局部最优解等问题,模拟人体免疫系统的机制,设计了一种改进的免疫遗传算法用于逻辑电路的进化设计.首先建立电路进化设计模型,对种群中抗体进行多目标适应度评估;然后改进抗体的选择机制并将精英抗体作为记忆单元保存;最后引入自适应交叉、变异策略保持抗体多样性并提高算法的收敛性.实验结果表明:该算法具有较强的全局搜索能力,能有效地减少搜索到全局最优解的迭代次数,并设计出新颖、高效的电路结构.     

基于兴趣点检测的目标识别算法

为了有效地确定目标位置,提出了一种基于兴趣点检测的目标识别方法.根据像素点的灰度和边缘强度信息,确定兴趣点的分布位置.以兴趣点为中心,利用位势函数构建目标函数,目标函数取最大值的位置确定为目标位置.提出了一种改进的概率混沌优化算法求解目标函数的最大值.概率混沌优化算法将搜索空间分为原始搜索空间和精搜索空间,分别以不同的概率同时对两个空间进行搜索,并逐渐增大精搜索空间的搜索概率,从而可在确保算法具有全局寻优能力的前提下加快寻优速度.研究结果表明,该方法可有效地确定目标位置,且结果不受目标平移、旋转、缩放、甚至变形等影响,仿真结果验证了该方法的有效性.     

面向图像拷贝检测的局部搜索哈希算法

针对目前在线图像迅速增长的现状,为了实现高效的图像拷贝检测算法,本文提出了一种基于数据感知的哈希方法.该感知哈希算法首先根据特征数据的局部结构将重建误差和映射误差结合起来,构建了一个综合优化的目标函数,通过迹优化对该目标函数进行求解,获得一个初始优化解.为了进一步优化这个目标函数,通过迭代局部搜索来进行优化求解,从而达到进一步降低语义损失的目的.实验表明,所提算法能有效搜索出拷贝图像,并具有较高的效率.     

基于LDPC/Turbo双模译码器的自适应迭代译码算法研究

针对现有WIMAX标准中LDPC/Turbo双模译码器设计在精确计算时未充分考虑迭代次数的问题,提出了一种适用于LDPC和Turbo码的自适应迭代译码算法,可灵活应用于由FPGA技术实现的双模译码器.该算法通过跟踪中间消息计算错误概率,根据多条件判定精确计算迭代次数,从而实现译码算法与错误概率变化特征的自适应性;通过改进的预判决机制减少平均迭代次数.利用Matlab搭建WIMAX系统测试链路,对TDMP多种算法的误码性能与迭代次数的关系进行测试,实现了12个SISO处理单元并行的LDPC/Turbo双模译码器.结果表明,所设计的译码器减少了算法中冗余的迭代过程,并且完全满足该标准下最大码长的要求.     

一种改进的三步搜索块运动估计算法

针对目前块运动估计的三步搜索法和新三步搜索法在搜索时容易陷入局部最小的问题，提出了一种改进的三步搜索法，该算法在三步搜索法的基础上，设计了新的大小菱形综合搜索模板，采取了自适应选择模板的搜索策略，减小了搜索时陷入局部最小的概率，提高了运动估计精度且降低了计算复杂度．模拟实验结果表明，该算法与原三步搜索法相比，运动估计的均方误差更小（降低了0．7）且计算复杂度减小了10％以上。     

有界区域上多峰函数全局优化问题的改进演化算法

针对演化算法求解有界区域上的多峰函数全局优化问题中，保持种群多样性和搜索效率的矛盾，提出了一种结合了多样性维持机制和加速算子的改进演化算法并对算法作了收敛性分析．实验结果表明，在低维情况下，算法容易收敛于全局最优解，优于基本遗传算法；在高维情况下，虽不满足收敛条件，但算法仍能收敛到本文意义下的ε-满意解，优于基本粒子群算法．     

一种非线性自适应粒子群优化算法

针对粒子群优化算法中出现早熟和不收敛问题,分析了基本PSO算法搜索速度对其优化性能的影响,提出了一种根据速度信息非线性自适应调整参数的粒子群优化算法.在算法迭代过程中,粒子随迭代次数和递减指数确定的非线性变化的理想速度自适应调整参数进行搜索,提高了粒子群算法的性能.提出的算法经过测试函数的模拟实验验证,并与其他已有算法进行了比较.实验结果表明,该算法在搜索精度和收敛速度等方面有明显优势,特别是高维、多峰等复杂非线性优化问题时,算法的优势更明显.     

迭代逼近Banach空间中一类拟变分包含的解

提出并研究了Banach空间中具有(β1,…,βN)-Lipschitz性质的一类广义拟变分包含问题,用预解式的方法构造了迭代逼近序列,证明了在一定条件下该迭代序列收敛于该类变分包含问题的解,给出了迭代解与解之间的误差估计,推广与改进近来的一些相应结果.     

基于精英反向学习的混沌布谷鸟搜索算法

布谷鸟搜索(Cuckoo Search,CS)算法高效简单,但在求解复杂问题时收敛效率较低.为提高CS算法的寻优精度和收敛速度,提出了一种基于精英反向学习的混沌扰动布谷鸟搜索算法(CH-EOBCCS).该算法引入精英个体,通过精英个体反向学习生成精英反向解,从当前解和精英反向解中挑选优异个体作为下一代种群,同时,在迭代中对鸟巢位置采用混沌扰动策略,扩大种群多样性,有效的提高了算法全局搜索能力和搜索精度.通过8个标准测试函数对比实验,结果表明加入混沌扰动的精英反向学习布谷鸟搜索算法具有较强的搜索能力和较高的寻优精度.     

求矩阵方程(N∑l=1)AlXlBl=C对称解的一个迭代算法

给出一个迭代算法求解线性矩阵方程(N∑l=1)AlXlBl=C的对称解X1,X2,…,XN,利用这个迭代算法可以判断这个方程是否有对称解.当矩阵方程相容时,可以通过有限步迭代之后得到它的对称解;当选择特定的初始值时,迭代之后得到的是其极小范数对称解;此外,通过求新线性矩阵方程的极小范数对称解能够得到给定矩阵的最优逼近解.最后给出了一个数值例子来验证结论.     

面向鲁棒性的孪生有界支持向量机分类算法

孪生有界支持向量机（Twin Bounded Support Vector Machine,TBSVM）是近期提出的一种优秀的距离度量学习二分类算法。在TBSVM的目标函数中,使用L2范数距离作为度量准则,因此当训练样本中出现异常值或噪声时,L2范数距离的平方很容易夸大它们的影响。为了缓和这一问题,本文提出了一种鲁棒的基于L1范数距离度量的TBSVM分类算法（L1-TBSVM）。由于L1-TBSVM的目标函数中包含了非平滑的L1范数项,很难直接对它进行求解,故我们通过迭代增广向量来更新对角矩阵,直到目标函数值收敛到一个固定值,以此来获得最优解。该迭代算法简单有效,且易于实施。最后,通过合理的理论分析,以及在UCI数据集和人工数据集上的大量实验,检验了L1-TBSVM算法的可行性和有效性。     

一种改进的求解多目标优化问题的蚁群算法

针对传统蚁群算法在求解多目标优化问题过程中的一些缺陷提出了一种改进的多目标优化蚁群算法。该方法在一定程度上避免了传统算法中解群体单一、收敛速度慢等缺点,并以实例加以证明。     

改进分形模型的图像降噪算法

利用分形几何中的迭代函数系统理论，针对空间域建立图像分形模型存在相似匹配速度慢的缺点，提出了一种变换域的改进分形模型方法，该方法用频域的搜索匹配代替空间域的搜索匹配，不但域块和区块达到相似匹配的速度更快，而且可以自适应的调整参与计算相似匹配的参数个数．实验结果表明改进的分形模型应用于图像降噪不但可以有效的保护图像的细节和边缘信息，并避免原方法在降噪的同时带来块效应的缺点．     

集成两变异策略的差分进化算法

在动态集成差分进化算法中,动态学习机制往往过于复杂且增加计算开销。为此,本文以传统差分进化算法框架为基础,提出集成DE/rand/1/bin和DE/best/1/bin两个优势互补的变异策略并设计动态执行机制,力求简化动态学习机制,且又能在全局搜索和局部搜索中寻找到平衡。实验结果表明:本文提出动态集成两个变异策略的差分进化算法(differential evolution algorithm integrated bi-mutation strategy,DE-BMS)缩放因子F选择为0. 9,交叉概率Cr选择为0. 1,算法具有更好的鲁棒性;与其他差分进化算法的收敛速度、成功次数解质量分别进行比较,DE-BMS在优化多峰函数问题时表现更佳。     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

基于Hits算法的Web安全改进模型

针对某些恶意页面利用搜索引擎的局限性隐藏在搜索结果排名较靠前的位置这一问题,本文提出了基于Hits算法的Web安全改进模型.该模型在Hits算法的基础上,结合向量空间模型来评价网页的风险程度,通过对恶意页面的Authority值进行＂惩罚＂来降低恶意页面在搜索结果中的排序,从而减低恶意页面被访问到的概率.实验结果表明,恶意网页的Authority值明显降低,而非恶意网页的Authority值有所上升,这使得用户通过搜索引擎点击到恶意页面的概率大幅降低.     

具有N策略和负顾客的反馈抢占型M/G/1重试可修排队模型研究

首先用Hille-Yosida定理与Phillips定理证明具有N策略和负顾客的反馈抢占型M/G/1重试可修排队模型存在唯一的正时间依赖解,然后当失效率函数为常数时推出该模型的解指数稳定.     

基于改进RRT-Connect的快速路径规划算法

针对双向快速扩展随机树(RRT-Connect)算法的路径规划效率较低且采样具有随机性,提出了基于RRT-Connect的改进算法(DRRT-Connect)。该算法在起始点与目标点中间选取一个第三节点作为扩展点,使算法可以同时从起始点、目标点和第三节点生成四棵随机树;同时在改进算法中引入自适应步长调节函数,当探索无障碍空间时,算法使用步长调节函数增大扩展步长,从而提高随机树探索空间的速度;在RRT-Connect算法的基础上引入目标偏置策略,使DRRT-Connect在探索无障碍空间时可以朝目标点进行快速扩展,在探索障碍物空间时则调用随机采样函数,使算法可以快速摆脱障碍物,防止陷入局部最优。将DRRT-Connect算法分别与RRT、RRT-Connect、RRT*算法进行仿真对比,结果表明DRRT-Connect在路径规划效率与迭代次数上均明显优于其他对比算法,其中相较于RRT-Connect算法,DRRT-Connect在路径规划速度上提高了50%,迭代次数上降低了32. 3%。     

成败型试验中无失效数据的多层Bayes分析

在有些情况下,很难确定产品的寿命类型,有时虽然产品的寿命分布类型已知,但获得的仅仅是失效个数,而无精确的失效时间,特别是在高可靠定时截尾寿命试验中,经常出现无失效,即失效个数为0的情况.对于此种无失效数据的可靠度,在可靠度的先验分布为负对数伽玛分布时给出了它的Bayes