“0.618”法、Fibonacci法、抛物线法搜寻复摆周期极值点

在实验室条件下,用"0.618"法、Fibonacci法和抛物线法来搜寻钟摆复摆周期极值点位置.通过实验发现,Fibonacci法在搜索精度上比"0.618"法高,但在搜寻速度上不占优势,而抛物线法在搜寻速度和精度上比"0.618"法和Fibonacci法都好.     

采用相位法与极大值法测量超声波声速的准确度的研究

对极值法和相位法测量超声波声速的准确度问题进行了研究,实验与理论分析证明:相位法测量波长比极值法准确度要高.在与简谐运动有关的测量中,测量最大变化率点常常比测量最大值点的准确度要高,这在其他物理实验中也适用.     

求解物理极值——MATLAB软件在物理教学中的应用之二

中学物理极值问题的求解有多种方法.应用MATLAB软件,可以快捷地运用求导法或者图像法求解极值问题.两者相辅相成,可以提高对物理问题的理解水平.在图像法中,提供了三变量作图法求极值的案例.     

光控-晶控相结合的膜厚监控法对滤光片膜厚的研究

针对光电极值法和石英晶振法各自的弊端,结合两种方法提出了光控-晶控膜厚监控法.在相同工艺条件下,分别使用这三种方法监控905nm窄带滤光片(规整膜系)和830nm截止滤光片(非规整膜系)的膜厚,对制备的滤光片的透射率光谱曲线进行比较.结果表明,光控-晶控膜厚监控法除了各项指标都符合要求外,在曲线通带处获得的平均透过率值比光电极值法和石英晶振法获得的平均透过率值提高了3%~6%,且与理论光谱基本吻合,光谱特性最好.该方法不仅对规整和非规整膜系都能进行监控,且能有效降低膜厚误差,提高光谱特性.     

混合态数据库的Grover算法数学形式及其搜索成功率

Grover提出了容量为N的数据库量子搜索法.只需进行O(平方根N)次迭代就能以几乎为1的概率实现对目标的搜索.本文将文献[1]的Grover搜索法推广到混合态情形,给出了一个基于混合态的Grover搜索法,并分析了该搜索法成功的概率上界.进一步发现搜索法成功的概率完全依赖于所使用的初态(混合态).该结论为了解量子噪声对Grover搜索法的影响提供一定的理论依据.最后通过例子说明了如何实施基于混合态的Grover搜索法.     

图象法与极值法在物理解题中的应用

应用物理公式解题,实际上就是把物理问题转化为数学问题,然后运用数学知识和有关的数学技巧来解答物理问题,可以使问题的解答变得更为简单.下面介绍数学方法中的图象法和极值法在物理解题中的应用.     

一种膛内多普勒测速修正方法

针对复杂电磁环境下膛内测速的重复性和精度低的问题,提出了一种非接触式膛内高精度测速方法,该方法在对膛内多普勒信号进行提取并去噪的基础上,利用S变换时频分析对预处理后的信号进行处理,然后采用谱峰搜索的方法来获得信号的瞬时频率,用能量重心校正法来提高结果精确度,最后根据多普勒原理,完成速度的测量;实验部分采用模拟信号和实际信号两种方式来验证该方法的可实施性;结果表明,该方法测速精度能够达到0.043 2%,相对于极值法和STFT法具有更小的误差。     

基于MTF辅助正焦判断的自动调焦搜索算法

针对传统爬山搜索算法受调焦评价函数局部极值的干扰而不能准确聚焦的问题,提出一种基于调制传递函数辅助正焦判断的自动调焦搜索算法.该算法对爬山法进行改进,在选择图像清晰度评价函数基础上,同时考虑图像的调制传递函数值,综合判断搜索方向;采用改进的刃边法,在自动完成刃边区域选择的基础上,可精确计算图像的调制传递函数值,并给出了改进算法的原理和实现.为了衡量改进算法的性能,验证调焦系统成像效果,分别考虑搜索算法对不同调焦初始位置以及环境变化影响,在经纬仪自动调焦系统平台上展开算法的调焦实验分析.实验结果表明改进的自动调焦搜索算法能有效地排除局部极值干扰,使系统准确、可靠的调焦.     

例析用极限法解能量问题

高中物理学习中有一些求能量最大值或最小值的问题.解决这类问题,很多学生开始总习惯用数学极值法,即运用数学思想与方法去描述、计算和推导,从而对物理问题作出分析、判断,之后列出关于所求量的数学表达式,再利用数学不等式或求极值的方法,算出结果.这种方法尽管确实能把题目做出,但是往往很费时间.若通过分析物理情景,把事物的发展推到极限,从而找出出现极值的重要条件,就能达到事半功倍的效果.以下几个典型题目,可显     

蛋白质晶体结构刚体优化的新方法

将多元函数的变尺度法与两电子密度图的相关系数相结合,得到一种能够对蛋白质晶体结构进行刚体优化的新方法.初步测试结果表明,该方法能够明显地改善待测晶体的初始模型在晶胞中的取向和位置.而与最大似然方法相比,该方法可能更适用于搜索空间中存在大量局域极值点的情况. 关键词： 蛋白质晶体结构 刚体优化 多元函数的变尺度方法 电子密度图的相关系数     

Complex coordinate rotation method based on gradient optimization

In atomic,molecular,and nuclear physics,the method of complex coordinate rotation is a widely used theoretical tool for studying resonant states.Here,we propose a novel implementation of this method based on the gradient optimization(CCR-GO).The main strength of the CCR-GO method is that it does not require manual adjustment of optimization parameters in the wave function;instead,a mathematically well-defined optimization path can be followed.Our method is proven to be very efficient in searching resonant positions and widths over a variety of few-body atomic systems,and can significantly improve the accuracy of the results.As a special case,the CCR-GO method is equally capable of dealing with bound-state problems with high accuracy,which is traditionally achieved through the usual extreme conditions of energy itself.     

基于光谱和改进极限学习机的土壤含盐量分析

研究盐碱地的性质、组成,对于生态环境具有重要意义。传统的含盐量测定方法大多基于化学分析,因其成本高、效率低的缺点使得应用于大面积土地的可行性很低。极限学习机（ELM）作为一种基于前馈神经网络构建的机器学习系统,在许多研究中作为一种光谱处理方法被成功运用。为了改进传统的盐碱地含盐量检测方法,采用光谱学结合改进的极限学习机（ELM）模型的方法对盐碱地进行研究。根据镇赉县采集得到的62个土壤表层样本得到对应的光谱反射率和含盐量数据,提出了基于随机值改进粒子群优化算法（RVIPSO-MELM）优化的多层极限学习机模型。首先使用主成分分析提取光谱数据特征,并使用ELM算法对光谱数据建立分类模型,引入改进的粒子群优化算法以提高精度和速度。该模型结合了具有随机值的多层ELM（RV-MELM）和改进PSO算法的多层ELM（IPSO-MELM）二者的优点,在运用启发式算法搜索最优值的同时还具有随机性,提高了模型优化速度,同时以提高模型性能为目的对隐含层之间参数进行优化和选择。并且该模型可以推广到多层,对隐含层之间的参数的两种选择方法,根据经验公式计算和使用改进的启发式算法搜索,进行了提高模型性能和优化时间的讨论,实践结果表明,选择第一层参数使用改进粒子群优化算法,确定随后的隐含层之间参数选择,使用经验公式进行计算得到一种更具现实意义的方法模型。模型在进行启发式搜索最优值之前,利用蒙特卡罗方法确定一个较好的初值,使得模型能保持较高准确率的条件下,优化速度进一步提高。相比于传统方法,这种光谱分析结合ELM的模型节省时间和经济成本,有一定推广意义。     

光电极值法结合外差干涉法监控膜厚的研究

光电极值法是光学薄膜厚度监测的常用方法,该方法在镀膜前引用块状材料的折射率设计膜系。而在实际镀制过程中,用于镀制光学薄膜的材料折射率会发生改变,从而给膜厚的监控带来误差。为了避免折射率变化的影响,采用外差干涉法测量折射率,将实际测得的薄膜折射率应用光电极值法监控薄膜的设计,从而减少了因材料折射率的变化引起的误差。以750nm截止滤光片的镀制为被测对象进行了实验,对制备的滤光片透射率光谱曲线进行了比较。结果表明,实际的透射率曲线与设计的透射率曲线吻合较好,两次实验曲线平均吻合度均在98%以上,系统稳定性很好,从而说明结合外差干涉法的光电极值监控法可以很好地克服折射率变化引起的误差。     

糖厂澄清工段生产指标建模及操作参数优化

针对亚法糖厂澄清工段清汁色值和清汁残硫量难以在线测量的问题,提出了一种基于人工蜂群优化的在线极限学习机软测量方法。先用核主元分析法确定影响清汁质量的关键参数,建立基于在线极限学习机的软测量模型。同时利用人工蜂群算法对在线极限学习机的隐层参数进行寻优,优化所建模型。最后,使用带约束的粒子群对软测量模型进行优化求解,得到典型工况下的最优操作设定值,为后续工况操作提供参考依据。仿真结果表明,基于人工蜂群优化的在线极限学习机模型能够准确地预测清汁色值和残硫量,同时基于此模型优化的操作参数设定值能够达到期望的指标。     

基于梯度响应面模型的优化设计

本文主要研究一种梯度响应面模型及其在气动优化设计中的应用. 目前应用广泛的多项式响应面模型是连续可导的, 采用梯度信息构造完全二阶多项式响应面模型, 所需样本数与设计参数个数呈线性关系. 首先通过改进实验设计方法, 快速生成满足精度要求的样本并确定梯度响应面模型. 随后通过函数实验验证梯度响应面模型的精度, 及该模型在多极值函数最值搜索中的有效性. 最后由伴随方法快速求解气动优化设计目标函数的梯度信息, 并开展基于梯度响应面模型和复合形法的叶片压力反设计和效率优化设计. 结果表明: 基于梯度响应面模型的优化方法在全局最优及提高优化效率两方面均有出色表现, 基于该优化方法的气动优化设计能够显著改善叶片的气动性能. 关键词： 气动优化设计 响应面模型 伴随方法 复合形法     

基于优化核极限学习机的风电功率时间序列预测

针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(kernel extreme learning machine,KELM)方法无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,它能以极快的学习速度获得良好的推广性.在KELM的基础上,分别将遗传算法、模拟退火、微分演化三种进化算法用于模型的结构输入选择、正则化系数以及核参数的优化选取,以进一步提高网络的性能.将O-KELM方法应用于标准Mackey-Glass混沌时间序列预测及某地区的风电功率时间序列预测实例中,在同等条件下,还与优化的极限学习机(optimized extreme learning machine,O-ELM)方法进行比较.实验结果表明,所提出的O-KELM方法在预测精度上优于O-ELM方法,表明了其有效性.     

Moment searching algorithm for bioluminescence tomography

To avoid the ill-posedness in the inverse problem of bioluminescence tomography, a moment searching algorithm fusing the finite element method （FEM） with the moment concept in theoretical mechanics is developed. In the algorithm, the source＇s information is mapped to the surface photon flux density by FEM, and the source＇s position is modified with the feedback through the algorithm of barycenter searching, which makes full use of the position information of the photon flux density on surface. The position is modified in every iterative step and will finally converge to the real source＇s value theoretically.     

基于改进粒子群优化算法的混沌系统参数估计方法

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.利用群集智能的新进展粒子群优化算法(PSO)的全局搜索能力，从初始粒子群的产生、目标函数的处理的角度改进PSO，将改进的PSO引入混沌系统参数估计和在线估计.仿真试验表明，改进算法具有良好的适应性、较高的收敛可靠性及精度，对信号叠加噪声的情形也具有较高的鲁棒性，是混沌系统参数估计的一种成功算法. 关键词： 混沌系统 参数估计 在线估计 粒子群优化算法     

自然循环流动不稳定性的多目标优化极限学习机预测方法

极限学习机是近年来提出的一种前向单隐层神经网络训练算法,具有训练速度快、不会陷入局部最优等优点,但其性能会受到随机选取的输入权值和阈值的影响.针对这一问题,提出一种基于多目标优化的改进极限学习机,将训练误差和输出层权值的均方最小化同时作为优化目标,采用带精英策略的快速非支配排序遗传算法对极限学习机的输入层到隐层的权值和阈值进行优化.将该算法应用于摇摆工况下自然循环系统不规则复合型流量脉动的多步滚动预测,分析了训练误差和输出层权值对不同步长预测效果的影响.仿真结果表明,优化极限学习机预测误差可以用较小的网络规模获得很好的泛化能力.为流动不稳定性的实时预测提供了一种准确度较高的途径,其预测结果可以作为核动力系统操作员的参考.