压缩回归学习算法的泛化界

研究了压缩最小平方回归学习算法的泛化性问题.利用随机投影、覆盖数等理论以及概率不等式得到了该学习算法的泛化误差上界.所获结果表明:压缩学习虽以增大逼近误差的方式降低样本误差,但其增量是可控的.此外,通过压缩学习,在一定程度上克服了学习过程中所出现的过拟合现象.     

一种新型压缩预处理CGS算法

CGS算法是求解大型非对称线性方程组的常用算法，然而该算法无极小残差性质，因此它常因出现较大的中间剩余向量而出现典型的不规则收敛行为．本根据IRA方法提出了一种压缩预处理CGS方法，数值实验表明这种算法在一定程度上减小了迭代算法在收敛过程中的剩余问题，从而使得算法具有更好的稳定性，该法构造简单，减少了收敛次数，加快了收敛速度．     

一种快速且全局收敛的BP神经网络学习算法

目前误差反向传播(BP)算法在训练多层神经网络方面有很多成功的应用.然而,BP算法也有一些不足:收敛缓慢和易陷入局部极小点等.提出一种快速且全局收敛的BP神经网络学习算法,并且对该优化算法的全局收敛性进行分析和详细证明.实证结果表明提出的算法比标准的BP算法效率更高且更精确.     

小波和小波包算法与图象压缩

在小波方法的实际应用中,利用尺度方程系数构造得到的小波和小波包变换算法即金字塔算法是非常重要的。考虑到应用的需要,本文结合数字图象数据压缩问题的讨论介绍了一维和二维的小波和小波包算法。最后,数字图象变换压缩实验的结果说明了小波和小波包分析在数字图象压缩研究中的潜在作用     

一种带时间窗和车辆数目限制的车辆路线问题及其算法

本文提出了带时间窗和车辆数目限制的车辆路线问题的数学模型,针对该问题的特征构造了一种路线生成算法和禁忌搜索算法,并对Solomon提出的C1、R1、RC1类数据集给出了数值运算的结果,实验结果表明算法是有效的.     

一种改进的进化规划算法及其收敛性

1　引　言进化算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法 ,主要包括遗传算法 ( genetic algorithms,GA)、进化规划 ( evolutionary programming,EP)和进化策略( evolution strategies,ES) [1 ] .遗传算法 ,进化策略和进化规划分别由 J.H.Holland,I.Rechenberg和 L.J.Fogel提出[2 ,3,4] .这些算法有许多相似性 ,且近年来都被应用于实值连续函数全局优化问题 ,并取得了较好的效果 .一些学者对进化算法的收敛性进行了分析[5,6,7,8] ,但总的说来 ,有关进化算法的理论研究成果目前还不是很多 ,尤其是进化规划和进化策略几…     

一种新的求解拟单调变分不等式的压缩投影算法

2020年Liu和Yang提出了求解Hilbert空间中拟单调且Lipschitz连续的变分不等式问题的投影算法,简称LYA。本文在欧氏空间中提出了一种新的求解拟单调变分不等式的压缩投影算法,简称NPCA。新算法削弱了LYA中映射的Lipschitz连续性。在映射连续、拟单调且对偶变分不等式解集非空的条件下得到了NPCA所生成点列的聚点是解的结论。当变分不等式的解集还满足一定条件时,得到了NPCA的全局收敛性。数值实验结果表明NPCA所需的迭代步数少于LYA的迭代步数,NPCA在高维拟单调例子中所需的计算机耗时也更少。     

一种快速有效的供电恢复算法

故障后的供电恢复问题是一个多目标、多约束的优化问题。论文利用一种快速有效的搜索办法建立起满足配电网电流、电压约束的供电恢复方案候选集。并按照开关操作教、负荷转移量、用户优先级等准则，利用定位有序树进行评估，从而为操作人员提供最优恢复方案。对算例的验算结果表明了方法的有效性^[8]。     

一种多种群综合学习粒子群优化算法

针对综合学习算法(Comprehensive learning particle swarm optimization,CLPSO)在解决全局优化问题时精度不高且收敛速度慢的问题,提出一种多种群综合学习算法(MS_CLPSO).该算法将传统粒子群算法的社会部分引入CLPSO算法,有效提高了算法的收敛速度和局部开采能力;同时,为扩大粒子的空间搜索范围,算法引入多种群策略,提高了算法全局勘探能力;并针对可能陷入局部极值的粒子,采用全局学习策略更新学习样本,增加了种群中粒子多样性.实验结果表明,在处理单峰和多峰标准测试函数中,MSCLPSO算法有效提高了CLPSO算法的精度和收敛速度.     

求解带时间窗车辆路径问题的混合Memetic算法

为提高带时间窗车辆路径问题的求解精度和求解效率,设计了一种混合Memetic算法。采用基于时间窗升序排列的混合插入法构造初始种群,提高解质量的同时兼顾多样性,扩大搜索空间;任意选择组成父代种群,以维持搜索空间;运用简化的变邻域搜索进行局部开发,引入邻域半径减少策略提高开发效率,约束放松机制开放局部空间;以弧为对象,增加种群向当前最优解和全局最优解的后学习过程。实验结果表明,所提出的算法具有较好的寻优精度和稳定性,能搜索到更好的路径长度结果,更新了现有研究在最短路径长度的目标函数上的下限。     

有向网络上随机—闲聊设置下的一个动量加速算法

本文考虑一个分布式优化问题,其中整个网络上智能体之间的交互可能会发生链路故障,并在随机—闲聊设置下提出了一个有向网络上的动量加速算法.在目标函数是强凸且光滑的假设下,从理论上证明了所提出的算法可以线性收敛到精确解.由于使用了重球动量项,所提出的算法可以更快地收敛到精确解.数值结果表明,与现有的分布式算法相比,该算法能够更快地收敛到精确解,特别是对于病态问题.     

一般互补约束问题的一种松弛逐步二次规划算法北大核心CSCD

1 引言 互补约束问题（简称MPCC）是一类具有特殊约束条件的约束最优化问题．不同于一般约束优化问题,其基本约束条件不仅包含等式约束和不等式约束,而且还包含比较复杂的互补约束．MPCC的一般形式如下：     

Max—min神经网络的一种有效学习算法

本文在Ａ．Ｂｌａｎｃｏ等人的算法的基础上，提出了ｍａｘ－ｍｉｎ神经网络的一种改进了的反馈学习算法，严格证明了该算法的迭代收敛性，理论分析及实例计算结果均表明，本文算法具有算法简单，收敛速度快，输出误差小等显著特点。     

带性能约束布局问题的全局优化算法

以人造卫星仪器舱布局为例,应用图论,群对集合的作用,轨道与等价关系等刻划各种布局方案的同构,等价类等内在性质,从而首次给出带有性能约束二维布局问题的一个全局优化算法。     

一种改进的粒子群优化算法及其算法测试

粒子群算法原理简单、参数少、易于实现,但有时容易陷入局部最优解,收敛速度慢.本文在粒子群算法理论研究的基础上,对算法的初始值选取、惯性权重取值、算法结构进行了改进:首先采用线性惯性递减权重调整,平衡全局搜索和局部搜索的能力;然后通过logistic映射将混沌状态引入到优化变量中,增强搜索空间的遍历性;最后引入遗传算法中的选择、交叉、变异保持了种群的多样性,使其具有不易陷入局部最优的能力.采用六种典型的测试函数,对惯性权重和算法进行了测试和对比分析.结果表明,算法在收敛速度和精度上都有所提高.     

一种带时间窗和容量约束的车辆路线问题及其Tabu Search算法

本文提出一种带时间窗和容量约束的车辆路线问题（CVRPTW），并利用Tabu Search快速启式算法，针对Solomon提出的几个标准问题，快捷地得到了优良的数值结果。     

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.     

一种新的求解带约束的有限极大极小问题的精确罚函数

提出了一种新的精确光滑罚函数求解带约束的极大极小问题．仅仅添加一个额外的变量,利用这个精确光滑罚函数,将带约束的极大极小问题转化为无约束优化问题． 证明了在合理的假设条件下,当罚参数充分大,罚问题的极小值点就是原问题的极小值点．进一步,研究了局部精确性质．数值结果表明这种罚函数算法是求解带约束有限极大极小问题的一种有效算法．     

求解运输问题的一种算法

文章给出了运输问题的一种算法,该算法计算过程容易掌握,求解具有一次终止性