无约束优化

摘要： 该文提出了一种求解图像恢复问题和无约束优化问题的改进的共轭梯度算法,其中共轭梯度参数是修改过的HS和DY方法的共轭参数的凸组合形式,新提出的共轭梯度参数比起经典的参数还包含了函数的信息.该方法在不使用任何线性搜索技术的情况下,就可以满足充分下降的性质.此外,在一定合理条件下,该文证明了在非单调线性搜索下新方法的全局收敛性.最后,在无约束优化和图像恢复问题上的实验表明,新方法与其他共轭梯度算法相比,具有良好的竞争力和应用前景.

摘要： Polak-Ribiere-Polak(PRP)方法是经典共轭梯度法中数值表现较好的方法之一.结合Wolfe非精确线搜索准则对PRP公式进行改进,从而产生新的共轭参数,并基于新共轭参数设计新的谱参数,引入重启条件并构造新的重启方向,进而建立一个带重启步的谱共轭梯度算法.在常规假设及强Wolfe非精确线搜索步长准则下,算法具有充分下降性和全局收敛性.最后,对算法进行中大规模数值实验并与当前公认数值效果较好的同类方法进行比较,结果表明新算法是很有效的.

摘要： 考虑几种混合型的共轭梯度法,采用弱Wolfe线搜索确定步长,利用正交化策略产生满足充分下降条件的下降方向,通过CUTEst测试问题验证这些算法的有效性,并分析这些算法的数值性能.

摘要： 对PRP法和FR法进行凸组合,提出了一种求解无约束优化问题的新共轭梯度法.该方法总是能生成一个充分下降方向,且它的凸组合参数为Babaie-Kafaki和Ghanbari的推广形式.在Wolfe线搜索条件下,新算法的全局收敛性得以建立,数值结果也说明提出的算法是有效的.

摘要： 共轭梯度法是求解大规模无约束优化问题的经典方法之一.基于搜索方向矩阵的谱条件数,给出了一个Dai-Liao(DL)共轭梯度法中参数的自适应形式,提出一种自适应DL共轭梯度算法.在适当的条件下,对于一致凸的目标函数证明了该方法具有全局收敛性.数值结果表明,提出的方法是可行的.

摘要： 针对传统DV-Hop三维定位算法定位误差较大,且机器学习及仿生算法计算任务繁重的缺点,提出一种改进的无约束优化3D-DV-Hop定位算法,采用二通信半径策略计算最小跳数值,提出平方代价函数对锚节点跳距值进行优化处理,并将其加权跳距值作为未知节点跳距值,最后根据约束问题的无约束求解思想,将加权误差最小化进而求解。通过与传统算法和各类改进算法在3种条件下进行仿真对比,验证了该优化算法在较低计算量的情况下定位误差显著降低。

摘要： 谱共轭梯度法是共轭梯度法的一种重要延拓,可以通过共轭参数和谱参数二维度调整,使得所设计算法的搜索方向满足某一预设条件,比如充分下降条件或共轭条件等。谱参数和共轭参数的设计是谱共轭梯度法的两大核心工作,决定方法的收敛性和数值效果。基于PRP方法,构造了一个修正的PRP型共轭参数,该共轭参数不仅保持了PRP公式的结构和性能,而且具有FR方法的收敛性质。利用充分下降条件取定一个谱参数,与修正的PRP型共轭参数结合,建立一个新的谱共轭梯度算法。该算法不依赖于任何线搜索就可以满足充分下降条件。常规假设条件下,采用强Wolfe线搜索准则产生步长,证明了新算法的全局收敛性。通过100个算例对该算法进行数值测试并与其他五个算法进行比较,同时采用性能图对数值结果进行直观展示,结果表明该算法是有效的。

摘要： 针对传统自适应差分进化算法局部搜索能力薄弱,寻优精度低的缺点,提出一种基于邻域搜索的改进自适应差分进化算法(DADE)。在传统自适应差分进化算法的基础上,通过引入邻域搜索操作,扩大了算法搜索的范围,通过引入高斯扰动来进一步提高算法的收敛速度。在IEEE CEC2013函数集中选取15个基准函数进行实验,与先进的算法变种SinDE、MDE、FWADE,FWA的性能进行比较。实验结果表明,DADE算法在13个函数的误差均值上小于对比算法。

摘要： 高光谱图像(HSI)分类是HSI处理中的重要预处理手段,其目标是对HSI数据中每个像素点进行类别标记,标记结果常用于识别、勘探等应用。针对HSI分类任务中存在的数据量大、数据维度高、已知样本量少等难点,提出一种基于图模型的半监督分类算法。该算法将HSI数据建立为图以实现降维,而后将分类问题归结为一个无约束的优化问题。由于在求解优化问题时涉及到矩阵求逆,数据规模大时计算复杂度会变高。为了避免大规模的矩阵求逆,采用拟牛顿法进行求解,通过对Hessian矩阵进行分解,对计算步长时涉及到的求逆操作进行近似,且该算法能够分布式实现。仿真实验表明,与现有算法相比,本算法在大规模且类别多的HSI分类任务下计算复杂度较低,能完成较高精度的分类。

摘要： 共轭梯度法是求解大规模无约束优化问题的一类十分重要的方法,充分下降性对共轭梯度法的收敛性证明具有十分重要的作用。基于经典的共轭梯度法,本文给出了一类具有充分下降性的共轭梯度法,算法的充分下降性是独立于线搜索的选择。在适当条件下,证明了该算法在标准Armijo线搜索下对于求解一致凸函数极小值的问题是全局收敛的。同时,数值实验表明该算法是有效的。

摘要： 本文给出一个求解无约束优化问题的"对角二阶拟牛顿法".基于二阶拟牛顿方程,该算法计算一个对角矩阵逼近Hesse矩阵的逆,以确定搜索方向;并采用Armijo非精确线搜索确定步长.新算法的存储量和每步迭代计算量较少,适合于大规模稀疏问题的求解.本文给出了收敛性结果,并报告了初步而令人鼓舞的数值试验结果.

摘要： 谱共轭梯度法是求解无约束优化问题的一种重要方法.本文对文献的共轭梯度参数βMRIL进行修正,提出了一种新的谱共轭梯度法.该算法在每步迭代时产生的搜索方向始终为下降方向.在适当的条件下,证明了该算法在Wolfe线搜索下具有全局收敛性.数值试验表明,该算法可行有效.

摘要： 本文推导了子孔径频控阵雷达目标角度和距离估计的克拉美罗界(Cramer-Rao Lower Bound,CRLB),并以最小化角度和距离估计的CRLB为准则,针对子阵列数目和子阵列频率增量已知的问题,优化阵元频率增量的配置选择;进而利用罚函数法将这种具有约束的优化问题转化为无约束的最小化问题,然后采用Nelder-Mead算法求解最小化频控阵雷达CRLB的无约束优化问题.理论分析和数值仿真结果验证了这种频控阵雪达阵列优化设计方法的有效性和正确性。

摘要： 本文提出了一个非单调的牛顿信赖域技巧,将牛顿法快速收敛的优点和信赖域方法良好的收敛性质结合起来.针对凸和非凸的情形,采用了不同的接收准则.更新信赖域半径使用的是不同于接收准则的比值.本文还给出了对于Cuter中的无约束优化问题的数值实验结果.

摘要： 本文讨论解无约束优化问题的多步拟牛顿法,并提出了改进的多步拟牛顿法算法，证明了改进的两步拟牛顿法的收敛性rn。

摘要： 提出求解广义支撑向量机(GSVM)优化问题的调节熵函数法,利用最优化理论的KKT互补条件,将GSVM转化为无约束优化问题,给出了基于BFGS迭代的调节熵函数法.介绍了广义支撑向量机优化问题的调节熵函数的有关性质、算法及其收敛性.数值实例表明了算法的可行性和有效性.

摘要： 本文提出了求解无约束非线性优化问题的一种信赖域牛顿算法,将信赖域子问题与无约束模型相结合,并在信赖域子问题求得的试探步不成功时进行回退的线搜索.可以证明该算法保持了信赖域方法强大的收敛性质.我们给出数值结果验证该算法是可以信赖的并且比传统的信赖域算法更有效.

摘要： 本文针对2005年倪勤提出的新锥模型信赖域子问题,对无约束优化问题提出了一类基于新锥模型的非单调信赖域算法.克服了原新锥模型单调信赖域算法中非凸子问题求解难的缺陷,并能够有效解决一些大规模无约束优化问题.在适当的假设条件下证明了该算法的全局收敛性,数值结果比文献[3]有较大改进.

摘要： 共轭梯度法由于算法简单、存储需求小等特点，非常适合求解无约束优化问题。其中PRP方法为共轭梯度法中数值表现较好的算法之一。本文基于一种修正公式，在非单调准则下给出了一种修正PRP算法的全局收敛性。

摘要： 给出一类改进的求解无约束最优化问题的共轭梯度类法。在强Wolfe线搜索条件下，证明了新方法能够保证在每一步产生一个充分的下降方向，并通过简单的方法证明了新方法具有很好的全局收敛性。数值试验表明，新方法是非常有效的，能够用于广泛的科学计算。

摘要： 本文描述了用于优化无约束事务存储器(UTM)系统的方法和装置。提供了对于监视、缓冲和元数据的硬件支持，其中针对元数据的正交的抽象地址空间可以分别与线程和/或线程内的软件子系统相关联。此外，元数据可以相对于数据以压缩方式、对软件透明地用硬件来保持。此外，响应于元数据访问指令/操作，硬件能够支持强制的元数据值以允许事务执行的多个模式。然而，如果检测到监视、缓冲数据、元数据或其它信息丢失或者冲突，则硬件提供丢失指令的变型，其能够针对这种丢失或冲突来轮询事务状态寄存器，并且响应于检测到该丢失或冲突而将执行跳转到标签。相似地，提供了提交指令的多种变型，用于允许软件定义提交条件和提交之后要清除的信息。此外，硬件提供支持以在环等级转变时允许事务的挂起和恢复。

摘要： 一种无约束主动链与有约束从动链相结合的镜架机构，属于机构学领域。本发明为解决现有串并混联镜架机构耦合性较强，容易造成机构卡死，不便于运动控制；结构复杂，不利于机构设计、装配，且成本较高；以及不利于机构学分析和建模的问题。PPU支链模块为有约束从动支链模块，PSSP支链模块为无约束主动支链模块，PSSP支链模块由第三移动副、第一球副、第二球副和第四移动副依次串联组成，第四移动副为主动副，两条PSSP支链模块及PPU支链模块三者相互并联，动平台的下端与PPU支链模块的一端固接，两条PSSP支链模块的一端分别固接在动平台上，PPU支链模块的一端及PSSP支链模块的一端分别固接在静平台上。本发明用于光学实验。

摘要： 本公开涉及一种驱动量子计算网络的方法，所述方法用于确定二次无约束二值优化问题的解的代价函数的极值，所述方法包括：初始化量子比特；将量子门层顺序地应用于所述量子比特，其中，每一层包括作用于多个量子比特的多量子比特量子门以及具有两个特征值和对所述量子比特的可变作用的多个变分量子门，其中，所述量子门层的变分量子门的可变作用形成变分参数的集合；以及确定所述量子计算网络的输出状态以获得与所述变分参数的集合相关联的解，其中，所述二次无约束二值优化问题的每个二值变量都与所述寄存器量子比特的计算基态相关联，并且所述解是通过评估测量到与所述二值变量相对应的计算基态的概率而获得的，并且其中，所述解通过以下操作迭代地改进：确定经变更的变分参数的输出状态以评估关于所述变分参数的子集的偏导数，从而基于所述经变更的变分参数的输出状态确定所述代价函数的梯度；以及基于所述代价函数的梯度上的移动平均值与所述代价函数的平方梯度上的移动平均值的更新函数来更新所述变分参数。

摘要： 本文描述了用于优化无约束事务存储器(UTM)系统的方法和装置。提供了对于监视、缓冲和元数据的硬件支持，其中针对元数据的正交的抽象地址空间可以分别与线程和/或线程内的软件子系统相关联。此外，元数据可以相对于数据以压缩方式、对软件透明地用硬件来保持。此外，响应于元数据访问指令/操作，硬件能够支持强制的元数据值以允许事务执行的多个模式。然而，如果检测到监视、缓冲数据、元数据或其它信息丢失或者冲突，则硬件提供丢失指令的变型，其能够针对这种丢失或冲突来轮询事务状态寄存器，并且响应于检测到该丢失或冲突而将执行跳转到标签。相似地，提供了提交指令的多种变型，用于允许软件定义提交条件和提交之后要清除的信息。此外，硬件提供支持以在环等级转变时允许事务的挂起和恢复。

摘要： 本发明提供一种基于Grover搜索算法的二元整系数无约束优化方法，包括以下步骤：将n个二元变量的整系数多项式f（x）转换为二元整系数矩阵多项式；将二元整系数矩阵多项式的无约束优化问题转换为量子二次无约束二进制优化问题；准备一个n位量子输入寄存器来存储等量叠加态，准备一个m位量子输出寄存器来存储相应的目标态；使用哈德门变换处理的等量叠加态，并完成多项式的叠加；确定初始阈值y，构造操作符，并完成目标态的相位偏移和整数值的编码；构造Oracle操作符；构造G迭代，操作符为的逆变换；设置迭代条件，通过重复G迭代改变目标态的概率，直至搜索到目标态的概率达到最优。

摘要： 本发明涉及一种信息物理系统的改进无约束优化三维DV‑Hop定位方法，属于无线传感器网络节点定位领域。本发明对DV‑Hop定位方法中未知节点与锚节点间估计距离值以及未知节点定位方程进行改进，对最小跳数采用节点的二通信半径策略，对锚节点平均跳距采用平方代价函数计算方法，随后对其平均跳距进行加权优化作为未知节点修正的平均跳距，最后对未知节点方程采用无约束优化的思想转化为加权误差最小化进行求解处理。本发明无需大量迭代仿生计算，大大降低了节点功耗，同时也使得未知节点的定位更为精确，最后该算法是属于面向三维空间的定位算法，与实际空间相符，因此应用面较广。

摘要： 本发明涉及一种无人机编队协同航迹规划的无约束优化指标赋权方法，通过主客观组合的方式进行了组合赋权，同时对主观赋权法进行了合理的改进，首先由改进混合AHP法得出评价体系的主观权重，再由熵权法对主观权重进行客观修正作为最终的评价体系的权重结果。通过这种组合赋权的方式让无人机编队在飞行时生成的航迹更加科学合理，符合任务场景需求。更可以根据任务场景的不同需求而计算出不同的赋权结果。但是由人为经验得出的赋权结果由于太过依赖主观经验而不够客观，权重系数也是依靠多次实验调整得出，相比之下本发明的方法兼具主客观的特点同时只需要计算一次，因此本发明相比人为指定权重系数的方法优势明显。

摘要： 本发明涉及一种用于仿生偏振光导航的姿态无约束优化求解方法，属于仿生导航姿态解算技术领域。包括如下步骤：采集加速度计与偏振光传感器测量数据，经姿态坐标转换结合瑞利散射模型构建姿态误差函数；采集陀螺仪测量数据，由实时四元数微分构建动态步长因子，预测姿态四元数变化趋势；设计共轭参数修正姿态迭代寻优过程中的负梯度方向，以保证前后搜索方向相互共轭，提高收敛速度，获得最优四元数完成姿态解算。本发明采用姿态误差函数建模的方法，修正了陀螺仪的测量偏差，可以消除偏振光传感器测角的模糊性，实现三维空间全姿态角解算；设计动态步长因子预测四元数更新趋势，以提高复杂运动状态下的姿态解算性能，保障了偏振光辅助航姿参考系统的可靠性与准确性。

摘要： 本发明公开了一种基于无约束优化模型的多状态模型修正的方法，包括确定有限元模型材料等，输入优化初始值；找出在有限元模型中与实际振型最匹配的模态阶数，并计算匹配后的仿真频率值与实验频率值的相对误差；建立各个状态的数学优化模型，设定优化步长及其收敛精度值；根据目标函数中，逐步向MSC.Nastran提交编写的各个状态的优化卡片，提取迭代后的设计变量及其各个状态的迭代收敛值；根据所有状态的提取迭代后的设计变量最优解及其各个状态的迭代收敛值；逐步调用MSC.Nastran，应用该初始值对各个状态的模型进行分析；直至迭代后所有状态的最优解的计算值与该次调用MSC.Nastran输入的初始值相同。本方法为基于无约束优化模型的多状态模型修正的方法提供一个参考。

摘要： 本发明公开一种基于多维无约束优化的天线表面精度调整方法，该方法以所测面板靶标坐标为基础，根据靶标点实测坐标和理论坐标的空间位置关系，推导出联系面板调整量和靶标点误差的转换矩阵，以所有靶标点相对于设计抛物面的半光程差的均方根值为目标函数，建立多维无约束优化模型，应用共轭梯度法逐步迭代解得最优的面板调整量。试验证明，使用本发明方法，可以减少面板调整次数，提高调整效率和调整精度。只需二次调整，就可将天线的整面精度从1.89mm降至0.44mm。本发明将改变传统的靠经验调整面板的方法，实现在理论方法的指导下对天线面板进行精确调整。该方法既可用于整面数据成批处理、面板一次性调整，也可用于单块面板数据处理和单块面板局部调整。