基于速度越界处理与高斯扰动的改进蝙蝠算法

蝙蝠算法(Bat algorithm,BA)是一种新型的、搜索全局最优解的元启发式算法.为解决蝙蝠算法局部搜索时易陷入局部极值的问题,提出一种基于速度越界处理与高斯扰动的改进蝙蝠算法(VGBA).该算法利用速度的越界处理控制蝙蝠位置更新的范围,利用高斯扰动增强蝙蝠算法的全局搜索能力.选取8个测试问题进行数值实验,实验结果表明,VGBA算法在收敛精度和稳定性上比BA算法有显著提升.     

基于改进蝙蝠算法的贝叶斯网络结构学习

针对蝙蝠算法在搜索评分阶段易陷入局部最优且收敛精度低,以及基于蝙蝠算法的贝叶斯网络结构学习不完善等缺点,将模拟退火算法的思想引入到蝙蝠算法中,并对某些蝙蝠个体进行高斯扰动,提出了一种改进蝙蝠算法的贝叶斯网络结构混合学习算法.混合算法首先应用最大最小父子节点集合算法(Max-min parents and children,MMPC)来构建初始无向网络的框架,然后利用改进的蝙蝠算法进行评分搜索并确定边的方向.最后把应用本算法学习的ALARM网,和蚁群算法(MMACO)、蜂群算法(MMABC)进行比较,结果表明本混合算法具有较强的学习能力和更好的收敛速度,并且能够得到与真实网络更匹配的贝叶斯网络.     

函数优化的小生境蝙蝠算法

针对蝙蝠算法易陷入局部最优解的缺点,利用小生境技术对蝙蝠算法进行了改进,提出一种小生境蝙蝠优化算法.算法基于小生境技术的适应度共享来分隔种群,引入了小生境排挤机制来保持种群多样性,在延续蝙蝠算法原有并行搜索等优势的基础上,提高了算法的金局搜索能力和局部收敛速度,具有可在不同邻域内发现多个解的特点.通过对一系列经典函数测试,并与已有算法进行比较,结果表明该算法在函数优化问题的求解中具有较高的计算效率和精度,以及较好的全局寻优能力.     

改进蝙蝠算法在云制造供应链中的应用

云制造环境下的供应链是新型的供应链,如何选择云制造平台中供应链节点的企业是需要解决的问题之一.针对使节点批次任务总完成时间最小的调度问题,由于蝙蝠算法容易陷入局部最优解,本文使用ROV编码对蝙蝠算法进行了重新编码和解码,并且对其进行了混沌序列初始化和自适应变步长的运算步长改进,提高了原蝙蝠算法的收敛速度和最优解的精度.通过仿真实验,结果表明改进的蝙蝠算法(IBA)较原蝙蝠算法(BA)具有更快的收敛速度、更好的稳定性,有效避免了原蝙蝠算法容易陷入局部最优解的状况,可较好地满足云制造环境下新型供应链动态性、复杂性的要求.     

一种新型的蝙蝠算法

针对基本的蝙蝠算法在搜索后期易陷入局部最优及寻优性能差等缺陷.提出一种新型的蝙蝠算法(IBA),重新定义了蝙蝠算法的速度迭代公式,将函数适应度值引入速度迭代公式中丰富了种群的多样性,提高了算法的全局及局部搜索性能,通过10个经典的函数及3个非线性方程组的测试,仿真结果表明,改进后的算法提高了解的精度和解的数量.并与其他算法相比,IBA算法具有一定的优越.     

求解一般整数规划问题的改进蝙蝠算法

蝙蝠算法是一种新型的智能优化算法,本文针对基本蝙蝠算法易陷入局部最优、过早处于停滞阶段等不足之处,在蝙蝠速度更新公式中引入了惯性权重,并采用权值动态递减的方式变换权重,更好地平衡了算法的全局搜索能力和局部搜索能力.通过求解一系列经典整数规划问题,并与已有算法进行比较,结果表明:改进的蝙蝠算法在一般整数规划问题的求解中具有较高的计算效率和精度,以及较强的全局搜索能力.     

l~P-系数正则化Shannon采样学习算法收敛速度(英文)

研究l~P-系数正则化意义下Shannon采样学习算法的收敛速度估计问题.借助l~P-空间的凸性不等式给出了样本误差和正则化误差的上界估计,并给出了用K-泛函表示的逼近误差估计.将K-泛函的收敛速度估计转化为平移网络逼近问题,在此基础上给出了用概率表示的学习速度.     

同伦摄动稀疏正则化方法及其应用

稀疏正则化方法在参数重构中起到了越来越重要的作用.与传统的正则化方法相比,稀疏正则化方法能较好地重构稀疏变量.由于稀疏正则化的不可微性,需要对已有的经典算法进行改进.本文构建同伦摄动稀疏正则化方法克服标准稀疏正则化的不可微性,并将该方法应用到基于布莱克一斯科尔斯期权定价模型重构隐含波动率和基于托达罗模型重构政策参数.数值实验表明,所提出的方法是收敛和稳定的.     

求解全局优化问题的改进蝙蝠算法[英文]

蝙蝠算法(BA)是一类基于试探技巧的群智能优化算法,该算法已被广泛用于诸多领域问题的求解.本文提出一个改进的蝙蝠算法NIBA.在算法中,为了加强蝙蝠算法的局部和全局搜索能力,提出了三个改进策略.首先,为了改进蝙蝠的局部搜索能力,在当前最优解处给出了一个新的搜索方程.其次,为了改进算法的全局搜索能力,平衡算法的开发能力和探索能力,算法吸收并改进了和声搜索机制.最后,为了进一步提高NIBA算法的搜索能力,在当前最优解处,算法采用了混沌搜索机制.为了验证算法的性能,针对18个标准测试函数进行了数值实验.与其它算法的比较结果显示,NIBA算法具有更好的稳定性,且效率更高.     

基于埃特金加速的改进Landweber迭代正则化方法

为克服Landweber迭代正则化方法在求解大规模不适定问题时收敛速度慢的不足,将埃特金加速技巧与不动点迭代相结合,构建了能快速收敛的改进Landweber迭代正则化方法.数值实验结果表明:改进的迭代正则化方法在稳定求解不适定问题时,能够快速地收敛至问题的最优解,较Landweber迭代正则化方法大大提高了收敛速度.     

一种基于正则化的稀疏表示方法

提出了一种基于正则化技术的信号稀疏表示方法.该方法与经典稀疏表示算法的主要区别可概括为两点:其一,直接使用e_0模而不是被广泛采用的e_1模来度量稀疏性;其二,正则化项的引入使得该模型得到的信号表达是所有表示中最优稀疏的.在本文中,正则化项采用框架势来描述稀疏表示的"最优性",利用二次可微的凹函数来逼近e_0模,得到了求解所提出的正则化模型的近似算法,并给出了收敛性分析.此外,数值实验也显现了本文所提模型及算法相比于经典算法的优越性.     

求解无容量设施选址问题的拉格朗日蝙蝠算法

无容量设施选址问题(Uncapacitated Facility Location Problem,UFLP)是一类经典的组合优化问题,被证明是一种NP-hard问题,易于描述却难于求解.首先根据UFLP的数学模型及其具体特征,重新设计了蝙蝠算法的操作算子,给出了求解UFLP的蝙蝠算法.其次构建出三种可行化方法,并将其与求解UFLP的蝙蝠算法和拉格朗日松弛算法相结合,设计了求解该问题的拉格朗日蝙蝠算法.最后通过仿真实例和与其他算法进行比较的方式,验证了该混合算法用来求解UFLP的可行性,是解决离散型问题的一种有效方式.     

介质导电率成像数值反演的正则化方法

磁共振技术(MREIT)是一种新的医学成像技术,它利用介质内部的部分磁场信息来重建介质内部的导电率.本文对调和Bz反演算法,提出了利用样条插值函数来处理误差输入数据的正则化方法,并给出了正则化方法的误差估计,在此基础上,我们还考虑了调和Bz算法对多个导电率异常的算法实现,检验了该方法对误差输入数据借助于正则化方法可能达到的空间分辨率,本文的工作为调和Bz算法利用实测的误差数据提供了一条可行的途径.     

贪婪随机自适应蝙蝠算法在车辆路径问题中的应用

车辆路径问题(Vehicle Routing Problem,VRP)在物流与供应链领域是一个非常有研究价值的NP-Hard问题.蝙蝠算法(Bat Algorithm,BA)是一种新兴的智能优化算法,有着广阔的应用前景.然而它不能直接用于求解离散问题,并且如同大多数智能优化算法一样,容易陷入局部最优,后期收敛速度慢.本文针对VRP问题的具体特性,重新定义了蝙蝠的编码方式并利用GRASP启发式算法生成蝙蝠算法初始种群来改进算法,然后应用于求解VRP问题.     

求解非光滑方程组的三次正则化方法

考虑求解非光滑方程组的三次正则化方法及其收敛性分析.利用信赖域方法的技巧,保证该方法是全局收敛的.在子问题非精确求解和BD正则性条件成立的前提下,分析了非光滑三次正则化方法的局部收敛速度.最后,数值实验结果验证了该算法的有效性.     

非精确信赖域类型算法及收敛性分析

在求解大规模数据的优化问题时,由于数据规模和维数较大,传统的算法效率较低.本文通过采用非精确梯度和非精确Hessian矩阵来降低计算成本,提出了非精确信赖域算法和非精确自适应三次正则化算法.在一定条件下,证明了算法有限步停止,并估计了算法迭代的复杂度.特别地,我们分析了采用随机抽样时算法在给定概率下的复杂度.最后,通过二分类问题的数值求解,比较了本文提出的随机信赖域算法,随机自适应三次正则化算法和已有算法收敛效率.数值结果表明在相同精度下,本文提出的算法效率更高,并且随机自适应三次正则化算法的效率优于随机信赖域算法.     

分裂可行问题的1-范数正则化方法

主要研究了分裂可行问题的1-范数正则化.首先利用1-范数正则化方法,将分裂可行问题转化为无约束优化问题.其次讨论了1-范数正则化解的若干性质,并给出了求解1-范数正则化解的邻近梯度算法.最后通过数值试验验证了算法的可行性和有效性.     

求解第一类Fredholm积分方程的一种新的正则化算法

应用一种新的正则化方法建立了一类新的求解第一类Fredholm积分方程的正则化算法, 并借助Matlab软件给出了数值算例.数值结果与理论分析基本一致,而且表明文中建立的正则化比通常的Tikhonov正则化更精确.     

求解病态线性方程组的误差转移法和增广方程组法的机理及算法改进

为获得病态线性方程组的高精度解,建立了一种优化模型,其最优解等价于早先提出的误差转移法和增广方程组法;指出后两者的本质机理是通过极小化解的模来近似极小化解的误差.为使算法适用于数据有污染的情况,进行了正则化改造.证明了新算法理论上与Tikhonov正则化等价.但当正则化参数趋于0时,目标函数的不同使得两者性能迥异,新算法可直接用于数据无污染的情况,而后者仍需选取合适的正则参数.数值算例验证了算法的有效性.     

基于改进的变分水平集C-V图像分割模型研究

为解决C-V模型中弱边缘或边缘模糊图像分割问题,提出了用边缘停止函数代替正则化Dirac函数的C-V图像分割模型.首先对正则化Heaviside函数和正则化Dirac函数中的参数进行了讨论,然后利用图像边缘信息将梯度算子引入正则化Driac函数中,对C-V模型进行改进,最后,用边缘停止函数代替C-V模型中的正则化Dirac函数.实验结果显示,提出的模型比C-V模型对图像的分割效果更好.