惩罚函数

摘要： 通常在目标跟踪任务中需要跟踪的目标物体具有任意性,同时目标周围可能有相似的干扰物体,这常常导致预训练网络提取的目标特征并不完全适用于当前需要跟踪的目标物体。针对以上问题,在Siamese孪生网络目标跟踪框架下,提出一种新型的基于梯度导向的通道选择目标跟踪算法。首先从预训练网络提取待跟踪目标特征,利用提出的开关-惩罚损失函数对背景中的相似性干扰物体施加惩罚操作,以排除相似物体对跟踪目标的干扰;其次在特征通道选择阶段,根据损失函数反向传播的梯度信息选择特征表达性最强的特征通道;最后在模板分支与搜索分支进行互相关操作部分,利用逐通道互相关方法获得加权的分数响应图以获得更精确的目标位置。在OTB和VOT公开数据集上将该算法和主流算法进行比较。实验结果表明,该算法具有良好的抗背景干扰能力和鲁棒性,在主要跟踪指标上达到了主流跟踪算法的性能。

摘要： 股票质押贷款定价关系金融市场风险和市场稳定,但目前关于股票质押贷款定价的研究大多是在B-S模型框架下展开,对金融市场的随机性反映有限。在KoBoL过程下,股票质押贷款模型是一个带分数偏微分方程的自由边界问题,文章利用坐标变换法和惩罚法构建了一阶全隐式模型,证明了股票质押价值不小于行权价值,通过数值模拟验证了这一结果,并分析了各参数对股票质押贷款价值和最优赎回价格的影响。

摘要： 针对传统烟花算法进行室内服务机器人路径规划存在的随机性较大及易陷入局部最优等问题,文中提出一种在全局静态已知环境下的改进烟花算法(IFWA)。首先,在传统烟花算法(FWA)的基础上,IFWA将当前路径节点与上一路径点的位置信息作为适用度函数,引入惩罚函数筛除落在障碍物区域的火花,降低子代火花的随机性,进一步减少路径代价;然后,针对FWA路径规划过程存在的局部最优问题,将非零因子β引入爆炸半径中,避免最优烟火花爆炸半径为0;最后,引入“八叉树”避障策略,以解决烟花算法路径规划中出现的路径穿过障碍物问题。通过Matlab进行IFWA、FWA与蚁群算法的对比仿真实验,结果验证了IFWA的可行性和优越性。该算法可避免出现随机性大及局部最优问题,能够有效提高室内服务机器人路径规划的效率。

摘要： 为改善军用ISG混合动力车辆的燃油经济性,并有效维持动力电池荷电状态(SOC),将惩罚函数引入传统的等效能量最小策略(EEMS),提出了基于SOC惩罚函数的EEMS优化方法。首先对逻辑规则能量管理策略进行优化,然后在模拟越野循环工况下对优化方法进行仿真验证,最后对整车发电指标进行评价。优化后,动力源之间的转矩得到了更好的协调分配,发动机运行更加平稳,经济性得到了一定改善,稳压和稳流的效果更好。

摘要： 由于火电机组组件的物理限制,发电机在某些区间内运行,会使其轴承振动放大,这对于机组的运行来说是不利的。基于上述原因,提出了一种含有火电机组禁止运行区间约束的水火联合调度优化模型。禁止区间约束条件采用逻辑运算的方式构建,并以惩罚项的形式加入到适应度函数中。基于MATLAB软件,运用SSA算法对包含6台火电机组和4个水电厂的梯级水电站群的测试系统进行仿真计算,与PSO算法与GWO算法对比,计算结果表明所提模型的合理性,以及SSA算法在求解该问题时的有效性。

摘要： 为了提高数控铣削加工的生产效率,降低生产成本,同时改善生产工件的加工质量,根据最优化思想,建立以铣削加工参数为优化变量,以铣削力、机床主轴转速和加工面粗糙度等为约束条件,以最短加工时间和最低生产成本为目标的优化函数。在标准粒子群算法的基础之上,引入惩罚函数,将多约束优化问题转变为无约束优化问题,改善了求解过程的复杂性;同时,针对粒子群算法容易陷入局部最优的问题,将其与模拟退火算法结合,增强粒子的全局搜索能力,改善粒子的局部收敛性。通过仿真实例验证了改进粒子群算法的有效性和优越性,改善了工件的加工时间与生产成本。

摘要： 非对称拱桥因其合理的拱轴线、灵活的拱脚位置和桥面纵坡,能够更好地适应起伏较大的山区地形,使拱桥跨径选择更合理,更经济,更美观。主拱圈作为拱桥的主要承重结构,其拱轴线形直接影响拱肋截面内力的分布和大小。因此,确定大跨度非对称拱桥线形是拱桥设计的重要内容。通过理论推导非对称拱桥的合理拱轴线方程,提出了一种基于弯曲变形能最小和惩罚函数思想的拱轴线形优化方法,该方法考虑了全拱肋的受力状态,充分发挥了材料的性能,并兼顾了桥梁造型和施工便捷性。研究以某大跨度铁路非对称拱桥为工程背景,通过遗传算法(GA)和有限元法搭建了MATLAB-ANSYS联合仿真程序,吸纳了GA全局搜索能力强的特点,方便快捷地确定了其最佳的拱轴线形,验证了采用该方法优化拱轴线形的可行性和实用性;最后对结构参数的敏感性进行分析,探究了结构参数对拱肋受力的影响。研究为大跨度非对称拱桥结构合理拱轴线形的确定提供了一种便捷有效的解决方案,提高了设计效率,为结构优化设计提供了新的思路。

摘要： 为解决铁路车流分配与径路优化模型中的难约束问题,避免群智能算法在应对该问题时难以求解的不足,提出了一种基于惩罚函数的约束优化方法.首先,在车流分配及径路优化基本模型的基础上设置虚拟弧,在目标函数中增加惩罚项的方式松弛掉模型中的弧段能力约束,同时对惩罚项中的惩罚力度和惩罚因子设计动态更新的策略;然后,将改进灰狼算法(improved grey wolf algorithm,IGWO)应用于车流分配与径路优化模型的求解;最后,结合某一地区的路网数据,对改进前、后的模型和算法进行对比分析.算例结果表明:与改进前的模型相比,引入惩罚项之后,IGWO可以在限定的范围内找到满足弧段能力约束的可行解;与灰狼算法(gray wolf algorithm,GWO)相比,IGWO计算所得的配流方案使OD(origin-destination)货流的平均绕行率和货物总走行公里数分别下降了2.6%和5.2%.

摘要： 传统逐步回归、偏最小二乘回归等多元线性回归模型在大坝安全监测资料分析中应用最为广泛,但其存在抗噪能力弱、稳定性差、模型解释性不强等问题,对含较多离群点的异常波动型、台阶型数据拟合精度往往不高。针对上述问题,文章提出了稀疏偏最小二乘回归模型,通过偏最小二乘提取监测数据中最具解释能力的环境量,然后在此基础上加入惩罚函数,删除无关变量,并将其运用于不同典型测点序列。结果表明,该方法较逐步回归、偏最小二乘回归在模型解释性上提升显著,对于异常波动型、台阶型数据拟合、预测精度均有所提升,相关经验可供类似工程安全监测参考。

摘要： 汽油产品是炼化企业主要效益来源之一,如何优化汽油池调和方案以获得最大经济效益是一个关键问题。使用人工鱼群算法对汽油调和进行优化,以最大利润为目标函数,根据物性指标建立非线性约束方程,并通过惩罚函数将非线性规划转换为无约束优化问题,再通过人工鱼群算法进行优化求解。利用某炼厂汽油池实测数据进行了测试,结果表明,基于人工鱼群算法的汽油调和优化能够实现辛烷值卡边,是一种可行的优化汽油池调和方案的方法。

摘要： 控制变量参数化（CVP）方法是目前求解流程工业中最优操作问题的主流数值方法, 它具有精度高、子问题规模小等优点. 但如果问题中包含路径约束,特别是不等式路径约束时, CVP方法则需要考虑专门的处理手段, 这是CVP方法的主要缺点. 为了克服该缺点, 本文提出一种基于L1精确惩罚函数的方法, 能够有效处理关于控制变量、状态变量、甚至控制变量/状态变量复杂耦合形式下的不等式路径约束. 此外, 为了能使用基于梯度的成熟优化算法, 本文还引进了最新出现的光滑化技巧对非光滑的惩罚项进行磨光. 最终得到了能高效处理不等式路径约束的改进型CVP架构, 并给出相应数值算法.对所提出的算法采用了一个经典的Bang-Bang控制问题和一个复杂的非线性最优控制问题验证. 对比测试结果与国外研究者的文献值后发现, 本文所提出的改进型CVP架构及相应算法在精度和效率上兼有良好表现.

摘要： 量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络,其主要用于数据分类。由于采用多层激励函数神经元,并且在量子间隔训练中采用了新的目标函数,即同类输入数据的隐层节点输出方差最小,从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数,使迭代过程中两者不可避免的会出现相互冲突,从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论,在两个目标函数的梯度下降求解中引入了惩罚函数,提出了一种新的量子神经网络训练算法,消除了两个目标函数间的冲突。实验结果表明,本文提出的训练算法可以显著提升训练的速度和网络的性能。

摘要： 本文通过对蒸汽管网枝状超结构的分析，利用惩罚函数的优化技术，建立了一种基于混合整数非线性模型的蒸汽管网优化方法；同时，鉴于整型变量数目庞大及其优化变量组合的复杂性，造成最优解搜索效率下降的问题，提出了一种“禁忌搜索”的方法，提高了最优化算法的计算效率。

摘要： 本文介绍了一种将惩罚函数、动态修正出力-流量(N-Q)关系与动态规划结合实现厂内经济运行的方法.该方法可针对短期优化调度结果的96点日负荷制定启停计划,实现负荷经济分配,并且考虑了机组间的效率差异及机组启停成本、气蚀振动区、机组可用性及主接线方式等约束条件.对约束条件采用惩罚函数和动态修正出力-流量关系等方法处理.算例表明该方法不仅能很好解决厂内经济运行的多约束问题,并能与电力市场下的短期优化调度有机结合起来.该方法易于实现程序设计且计算速度快.

摘要： 针对应急系统中，单出救点、多受灾点应急物资配送问题，在满足时间约束条件下，建立以应急出救总行程最短和应急车辆数最少的双目标模型。在判断各受灾点的配送方式基础上，考虑车辆体积、载重、时间限制，采用改进的动态聚类算法分派车辆的配送任务，引入惩罚函数调整可行解，再用最短路方法求出车辆的行车路线。用算例验证所建模型的合理性与算法的有效性。

摘要： 为了解决波纹管所涉及的非线性约束离散变量的优化设计问题,本文尝试将粒子群算法与惩罚函数法相结合,建立新型离散粒子群算法,实现离散变量与连续变量之间的转化,解决非线性约束离散变量优化设计问题.本文提出了一种新的离散惩罚因子更新策略,以保证离散解的精度及算法的收敛性.通过著名的容器设计算例验证,本文方法优于文献方法.用本文方法对波纹管工程实例进行优化设计,优化目标值比在用产品提高了79．96％,且与理论值接近,离散解的精度满足要求,进一步证明了本文方法在求解波纹管工程非线性约束离散变量优化设计问题时的有效性.本文工作可为工程上类似非线性约束离散变量优化设计提供借鉴.

摘要： 本文通过在销售商主导的合约制定中引入惩罚函数,为不确定需求环境下供应商管理库存(VMI)提出一个新的合作合约,使供应商的存货量符合供应链利润最大的要求.该合约具有参数简单,管理费用低,并能将供应链的利润在供应商和销售商之间任意分配等优点.然后研究了该合约抗突发事件的能力,证明了如果突发事件导致供应商的生产费用变化,原合约仍然使供应链合作,合约具有一定的鲁棒性.若突发事件导致需求变化,则要对原来的合约作相应的修改.修改后的合约具有抗突发事件性.

摘要： 本文分析了有时间窗约束的运输问题,通过引入惩罚函数,将费用和时间双重约束的运输问题转化为一般的运输问题,用经典的表上作业法求解,经过算例证明该算法简明、可行。

摘要： 本文提出了一种基于惩罚改进的蚁群最优化算法,并应用于水库群的梯级调度优化研究中.本算法以蚁群蜂群算法中群体协作的反馈机制、随机搜索的性态多样性思想、优良的全局搜索能力、并行计算性及较强的鲁棒性为基础,进行问题空间的全局寻优;同时针对梯级调度优化中常见的多维变量约束条件,借鉴模拟退火算法思想,在目标函数中构造了惩罚因子,使得带约束问题转化为了纯粹的优化问题.经实例验证,本算法具有普遍的梯级调度优化解决能力,并与传统的遗传算法及人工粒子群算法相比,具有更好的精度、收敛速度和寻优能力.

摘要： 本文提出了一种基于惩罚改进的蚁群最优化算法,并应用于水库群的梯级调度优化研究中.本算法以蚁群蜂群算法中群体协作的反馈机制、随机搜索的性态多样性思想、优良的全局搜索能力、并行计算性及较强的鲁棒性为基础,进行问题空间的全局寻优;同时针对梯级调度优化中常见的多维变量约束条件,借鉴模拟退火算法思想,在目标函数中构造了惩罚因子,使得带约束问题转化为了纯粹的优化问题.经实例验证,本算法具有普遍的梯级调度优化解决能力,并与传统的遗传算法及人工粒子群算法相比,具有更好的精度、收敛速度和寻优能力.

摘要： 一种用于惯性传感器的方法，其在无需传感器以静止或者在公知的定位或取向下开始的情况下估计开始取向和速度。初始化使用编码为软约束集合的运动模式，这些软约束预期在初始化时段期间近似成立。惩罚度量被限定以便测量计算的运动轨迹与软约束的偏差。用于惯性传感器的运动微分方程以初始条件作为变量进行求解；最小化惩罚度量的初始条件用作对于传感器的实际初始条件的估计。用于具体应用的软约束和惩罚度量基于该应用所期望的运动模式类型进行选择。说明性案例包括初始化期间具有相对较小的运动的应用以及初始化期间具有近似周期性运动的应用。

摘要： 本发明属于电力系统运行与控制技术领域，尤其涉及一种弃新能源惩罚成本的分段函数式计算方法。包括：确立弃新能源惩罚成本的分段函数式计算方法；定义经济高度模型的优化目标函数；得到多能源系统经济高度策略；基于QPSO算法对多能源发电系统经济高度策略进行优化。本发明通过纳入弃新能源分段惩罚系数函数来增大弃新能源惩罚成本，使得惩罚成本的计算更加具体，从而大幅提高新能源的消纳率，减少弃风、弃光量，使高比例新能源更多的接入电网，使其经济效益与新能源消纳量最大化。

摘要： 本发明公开了一种基于一致惩罚场损失函数的深度度量学习方法，通过采用一致惩罚场损失函数，对所有类别的样本采用一致的排斥场和吸引场。吸引场使相同类别的样本的特征更加聚合；排斥场使不同类别的样本特征间的距离更大。所述方法一方面可以优化和改善深度度量学习中样本嵌入特征的质量，另一方面，会使所有类别的决策边界趋于一致，提高基于同一阈值进行推理决策的精度。

摘要： 基于惩罚感知中心损失函数的用于细粒度物体检索方法，涉及深度度量学习和细粒度对象检索。包括以下步骤：1)使用resnet50网络对图片进行特征抽取，获得到对于输入信息的维度为2048的向量表征；2)将全连接层的权重当做细粒度物体的全局中心点来构建全新的tripletloss损失函数；3)在获得全局中心的基础上，计算每一个batch中的局部中心点，然后通过惩罚感知中心损失函数修正全局中心点，使最后参与计算的中心点尽可能接近实际意义上的中心点。充分利用全局数据分布和局部数据分布相结合的表达能力来学习高质量的距离度量。在广泛使用的数据集CUB‑200‑2011上验证该方法的有效性。

摘要： 本发明公开了一种基于内点惩罚函数法的边部减薄多点优化控制方法，属于冶金轧制技术领域，按如下步骤进行：步骤一：从边部减薄检测装置中实时采集数据及处理；步骤二、通过有限元模拟的方法，计算出工作辊横移边部减薄的影响程度，建立调控功效系数矩阵；步骤三、基于内点惩罚函数法，计算调整机构的调整量；步骤四、将横移量输出到工作辊横移执行机构。本发明的边部减薄多点控制方法，通过有限元仿真建立调控功效系数向量，采用内点惩罚函数的优化方法对带钢边部进行多目标监控、优化，实现了边部减薄多目标优化，综合考虑了带钢边部减薄的连续性，提高了对边部减薄的控制精度。

摘要： 本发明提供了一种基于分段线性惩罚函数的交替方向乘子法的深度学习信道译码方法，主要面向二进制线性码。该方法包括如下步骤：1)基于信道译码构建最大似然优化问题；2)转化约束条件，设计一个可调节的惩罚函数并将其引入目标函数，将信道译码最大似然优化问题转化为带分段线性惩罚函数的译码优化问题；3)引入交替方向乘子法解上述优化问题，得到交替方向乘子法信道译码器；4)根据交替方向乘子法的迭代形式构造深度学习网络LADN‑P；5)通过训练获得学习参数；6)将深度学习网络重新恢复成信道译码器，加载学习参数，进行译码。本发明设计了可调节的分段线性惩罚函数，借助深度学习的力量，进一步提升译码性能。

摘要： 本发明提供一种基于自适应惩罚函数粒子群算法的光储逆变器能量调度方法。为了减少用户日电力开支，本发明针对户用式光伏储能逆变器系统的能量调度问题展开研究。惩罚函数与优化算法相结合的方法是解决相关问题的常用手段，但传统惩罚函数存在惩罚因子难以确定的缺陷，因此本发明提出了一种自适应惩罚函数法。该方法能在优化算法的每一次迭代过程中根据所寻方案超出约束范围的大小自动调整惩罚因子，最后搜索出用户电力开支较小时的系统各部分出力数据。通过对比分析，本发明所提算法有效减少了用户的电力开支。

摘要： 本发明涉及一种基于惩罚函数约束优化的改进麻雀搜索方法。该方法为一种融合正余弦算法与萤火虫光感策略的基于惩罚函数约束优化的改进麻雀搜索方法。通过在初始化种群阶段结合Cubic混沌映射生成初始种群，提升初始种群精度和分布；在跟随者位置更新迭代过程中加入正余弦算法改善跟随者位置更新策略，使跟随者搜索机制更加灵活，扩大全局探索范围，提高种群多样性，增加寻找到最优解的概率，加快收敛速度；最后利用萤火虫算法的光感思想对方法进行精炼细化，帮助方法跳出局部极值，为下一次迭代提供更优父代种群，为方法提供寻优方向，避免盲目搜索，加速收敛，从而提高方法寻优质量。

摘要： 本发明提供了一种基于分段线性惩罚函数的交替方向乘子法的深度学习信道译码方法，主要面向二进制线性码。该方法包括如下步骤：1)基于信道译码构建最大似然优化问题；2)转化约束条件，设计一个可调节的惩罚函数并将其引入目标函数，将信道译码最大似然优化问题转化为带分段线性惩罚函数的译码优化问题；3)引入交替方向乘子法解上述优化问题，得到交替方向乘子法信道译码器；4)根据交替方向乘子法的迭代形式构造深度学习网络LADN‑P；5)通过训练获得学习参数；6)将深度学习网络重新恢复成信道译码器，加载学习参数，进行译码。本发明设计了可调节的分段线性惩罚函数，借助深度学习的力量，进一步提升译码性能。

摘要： 本发明公开了一种基于内点惩罚函数法的边部减薄多点优化控制方法，属于冶金轧制技术领域，按如下步骤进行：步骤一：从边部减薄检测装置中实时采集数据及处理；步骤二、通过有限元模拟的方法，计算出工作辊横移边部减薄的影响程度，建立调控功效系数矩阵；步骤三、基于内点惩罚函数法，计算调整机构的调整量；步骤四、将横移量输出到工作辊横移执行机构。本发明的边部减薄多点控制方法，通过有限元仿真建立调控功效系数向量，采用内点惩罚函数的优化方法对带钢边部进行多目标监控、优化，实现了边部减薄多目标优化，综合考虑了带钢边部减薄的连续性，提高了对边部减薄的控制精度。