离散优化

摘要： 针对两种典型的钢框架结构离散优化问题,即柔度约束的最小体积问题和体积约束的最小柔度问题,提出了基于凸组合的线性松弛方法,将关联离散变量进行线性松弛,进而将非线性、非凸的离散优化问题转化为松弛的凸规划问题.其中,体积约束的最小柔度问题可松弛为二阶锥规划问题,柔度约束的最小体积问题可松弛为半定规划问题.采用成熟的优化求解器,就可以得到两类凸规划问题的全局最优解,也就是原离散优化问题的理论下界.以一跨四层钢框架的离散优化问题为例,用所提出方法进行求解,并用枚举法和遗传算法对优化结果进行验证.数值结果证明,所提出方法可以快速得到离散优化问题的理论下界.

摘要： 大多数深度监督跨模态哈希方法采用对称的方式学习哈希码,导致其不能有效利用大规模数据集中的监督信息;并且对于哈希码的离散约束问题,常采用的基于松弛的策略会产生较大的量化误差,导致哈希码次优。针对以上问题,提出深度非对称离散跨模态哈希(DADCH)方法。首先构造了深度神经网络和字典学习相结合的非对称学习框架,以学习查询实例和数据库实例的哈希码,从而更有效地挖掘数据的监督信息,减少模型的训练时间;然后采用离散优化算法逐列优化哈希码矩阵,降低哈希码二值化的量化误差;同时为充分挖掘数据的语义信息,在神经网络中添加了标签层进行标签预测,并利用语义信息嵌入将不同类别的判别信息通过线性映射嵌入到哈希码中,增强哈希码的判别性。实验结果表明,在IAPR-TC12、MIRFLICKR-25K和NUS-WIDE数据集上,哈希码长度为64 bit时,所提方法在图像检索文本时的平均精度均值(mAP)较近年来提出的先进的深度跨模态检索方法——自监督对抗哈希(SSAH)分别高出约11.6、5.2、14.7个百分点。

摘要： 研究了一种海绵层适配器的快速设计方法,在满足总体指标要求下可快速设计出符合约束条件的适配器结构参数。利用离散混合约束方法,将适配器的离散变量转化为连续变量;利用刚性梁简化导弹、非线性弹簧简化海绵层进行参数化建模;对拉格朗日乘子法进行改进,结合优化策略将约束优化问题转为无约束优化问题,对离散混合约束优化数学模型寻优,快速获得满足要求的适配器结构参数。优化后的结构尺寸能够使适配器前、中、后变形量近似相等,在导弹存储时不发生倾斜。该方法能够自动探测结构的优化解,设计师仅需从中挑选出与实际工况相似的结构尺寸进行设计,快速可靠。

摘要： 为提高智能车辆行驶的平稳性和合理性,文章对近年来智能车辆常用的局部路径规划算法进行了分类和总结。首先对各类传统算法的原理进行了阐述,分析其优缺点,并指出传统算法在智能车辆上应用时的不足;其次整理分析了各类传统算法应用至智能车辆上时各学者所提出的改进算法;最后提出基于离散优化的算法是未来智能车辆局部路径规划的应用趋势,多算法融合是复杂场景下智能车辆局部路径规划的研究方向。文章的研究结果为智能车领域的研究人员在选择局部路径规划算法时提供参考。

摘要： 车载导航路径规划技术辅助驾驶员规划从起点到终点的合理路线,是智能交通系统的重要组成部分。在复杂城市街道中进行路径寻优是典型的非线性优化问题,近年来,群智能算法被广泛应用于该类复杂非线性问题的优化与求解。文中对唐山市第四幼儿园—市人大—市教育局街区进行建模,设计了一种用于车载导航路径规划的改进果蝇优化算法,对该区域的行车路线进行规划,算法采用了适用于路径规划问题的味道浓度函数,并引入遗传算法的部分算子。仿真实验表明,该算法能够快速高效地为车辆构建从起点到终点的行车路线,从而降低行车成本和减少能源损耗。

摘要： 车载导航路径规划技术辅助驾驶员规划从起点到终点的合理路线,是智能交通系统的重要组成部分.在复杂城市街道中进行路径寻优是典型的非线性优化问题,近年来,群智能算法被广泛应用于该类复杂非线性问题的优化与求解.文中对唐山市第四幼儿园—市人大—市教育局街区进行建模,设计了一种用于车载导航路径规划的改进果蝇优化算法,对该区域的行车路线进行规划,算法采用了适用于路径规划问题的味道浓度函数,并引入遗传算法的部分算子.仿真实验表明,该算法能够快速高效地为车辆构建从起点到终点的行车路线,从而降低行车成本和减少能源损耗.

摘要： 针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法.该算法将带有时间戳的三维轨迹规划问题解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系.通过分层采样的方法构建路径Lattice图搜索初始路径,并基于多目标A?搜索算法在ST图中规划出初始速度剖面,减少算法的计算量.同时,优化轨迹规划,使轨迹收敛到全局最优解.最后,通过仿真实验,验证了该算法的有效性和可靠性.

摘要： 传统优化设计认为问题的参数(如材料属性和外加载荷等)是确定的,并且设计变量通常是连续的.而在实际应用中产品制造和测量等存在不可避免的误差,并且工程需要的设计结果(如钢筋截面尺寸等)往往是离散的.即使对于考虑了不确定性参数影响的连续最优解,经过圆整处理后也很可能产生较大偏差甚至变得不可行.针对该难点,本文结合非概率不确定性鲁棒优化算法,建立与离散的基于圆整策略的优化算法列式等价的鲁棒优化列式及用于解决离散优化问题的可置信性鲁棒优化方法.并进一步研究了离散变量不确定性优化问题的可置信性鲁棒优化求解方法,利用非线性半定规划进行高效求解,可严格保证所得结果的可行性.本文揭示了传统离散优化思想和不确定性优化思想的内在联系,完善了优化设计理论体系,为后续相关研究提供了全新思路和示范.

摘要： 近年来,随着信息技术的发展,图像、文本、视频、音频等多媒体数据呈现出快速增长的趋势.当处理大量数据时,某些传统检索方法的效率可能会受到影响,并且无法在可接受的时间内获得令人满意的准确性.此外,海量的数据还导致了巨大的存储消耗问题.为了解决上述问题,哈希学习被提出.现有的哈希学习方法首先为数据生成二进制哈希码,并且在学习中让原本相似的数据有相似的哈希码,让不相似的数据有不同的哈希码.然后,在学到的哈希码空间中,通过异或操作进行快速的相似性比较.通过用二进制哈希码代替数据原始的高维特征,可以达到显著降低存储成本的目的.基于哈希学习高效索引和快速查询的特点,其在跨模态检索领域受到了广泛的关注.但是目前的跨模态哈希方法面临着以下几个问题:(1)大多数方法都尝试保持样本间的成对相似性,而忽视了样本间的相对相似性,即样本的排序信息,但排序信息对检索有很重要的作用,因而导致这些方法效果并非最优;(2)许多基于成对相似性的哈希检索方法的时间复杂度为O(n2),无法直接扩展到大规模数据集上,具有一定的局限性;(3)为了简化离散求解问题,目前很多方法采用松弛策略来学习哈希码的近似解,但这种策略会引入较大的量化误差.为了解决以上问题,我们提出了一种基于排序的监督离散跨模态哈希方法(简称为RSDCH).该方法由排序信息学习和哈希学习两步骤组成.在排序信息学习阶段,我们通过嵌入数据的流形结构和语义标签来学习一个具有排序信息的得分矩阵.在哈希学习阶段,我们通过保持学到的排序信息来生成训练样本的哈希码并学出对应的哈希函数.为了让模型能够更好地扩展到大规模数据集,我们使用了锚点采样策略,以获得可接受的且与训练样本数成线性关系的时间复杂度.为了学到高质量的哈希码表示,我们设计了两种有效的相似性保持策略.除此之外,为了避免松弛求解策略引入的量化误差,我们设计了 一种交替迭代的优化算法来离散地学习哈希码.我们在MIRFlickr-25K及NUS-WIDE这两种广泛使用的多标签数据集上进行了对比实验.结果表明,本文提出的方法在平均精确率均值(MAP)、归一化折损累计增益(NDCG)、精确率-召回率曲线(Precision-Recall Curve)等方面均优于现有的几种跨模态哈希方法.通过消融实验,我们验证了 RSDCH模型中各个模块的必要性和有效性.此外,我们还通过额外的实验测试了模型的收敛性、参数敏感性和训练效率,进一步验证了 RSDCH模型的有效性.

摘要： 目的 基于深度学习的图像哈希检索是图像检索领域的热点研究问题.现有的深度哈希方法忽略了深度图像特征在深度哈希函数训练中的指导作用,并且由于采用松弛优化,不能有效处理二进制量化误差较大导致的生成次优哈希码的问题.对此,提出一种自监督的深度离散哈希方法(self-supervised deep discrete hashing,SSD-DH).方法 利用卷积神经网络提取的深度特征矩阵和图像标签矩阵,计算得到二进制哈希码并作为自监督信息指导深度哈希函数的训练.构造成对损失函数,同时保持连续哈希码之间相似性以及连续哈希码与二进制哈希码之间的相似性,并利用离散优化算法求解得到哈希码,有效降低二进制量化误差.结果 将本文方法在3个公共数据集上进行测试,并与其他哈希算法进行实验对比.在CIFAR-10、NUS-WIDE(web image dataset from National University of Singapore)和Flickr数据集上,本文方法的检索精度均为最高,本文方法的准确率比次优算法DPSH(deep pairwise-supervised hashing)分别高3％、3％和1％.结论 本文提出的基于自监督的深度离散哈希的图像检索方法能有效利用深度特征信息和图像标签信息,并指导深度哈希函数的训练,且能有效减少二进制量化误差.实验结果表明,SSDDH在平均准确率上优于其他同类算法,可以有效完成图像检索任务.

摘要： 本文提出了一种有效的求解下限未知函数优化问题的蚁群算法,实验证明这种新算法不仅能够直接对函数值可能为负的函数进行优化,而且对函数值恒为正的函数求解结果也优于普通的连续函数优化蚁群算法和遗传算法.这使得在求解函数最优化问题时,可以不再需要预先估计函数的最小值,这将为实际应用带来很大的方便.

摘要： 本文提出了一种有效的求解下限未知函数优化问题的蚁群算法,实验证明这种新算法不仅能够直接对函数值可能为负的函数进行优化,而且对函数值恒为正的函数求解结果也优于普通的连续函数优化蚁群算法和遗传算法.这使得在求解函数最优化问题时,可以不再需要预先估计函数的最小值,这将为实际应用带来很大的方便.

摘要： 本文提出了一种有效的求解下限未知函数优化问题的蚁群算法,实验证明这种新算法不仅能够直接对函数值可能为负的函数进行优化,而且对函数值恒为正的函数求解结果也优于普通的连续函数优化蚁群算法和遗传算法.这使得在求解函数最优化问题时,可以不再需要预先估计函数的最小值,这将为实际应用带来很大的方便.

摘要： 本发明属于控制围栏函数技术领域，公开了一种离散控制围拦函数改进优化方法、优化系统、终端及存储介质，根据离散化形式的控制围栏函数约束要求，定义可行状态集；根据多个任务约束优化求解情况，动态调整控制围栏函数的γk；将控制围栏的γk作为一代优化的变量，得到可优化控制围栏函数；将离散形式的控制围栏函数约束要求进行更改，并直接对任务约束的满足程度进行优化；在优化目标中引入Sk相关的偏好目标，从而使仿真优化得到的运动路径符合偏好。本发明可以明显地提高优化算法的可行域空间，可以得到更加灵活多变的优化解。同时，本发明的约束要求具有更加明显的物理含义，设置更加直观容易。

摘要： 本发明考虑了带有一个全局闭凸集约束的凸优化问题。本发明的目的是以分布式方法来解决所研究的优化问题，即只通过局部计算和局部信息交换的方式来获取优化问题的最优解。为此，分别在有向平衡图上和有向非平衡图上设计出了基于梯度追踪框架的分布式离散时间算法。由于经典投影法不适合处理梯度跟踪框架下的闭凸集约束，本发明采用一种新的间接投影法来处理所涉及的闭凸集约束。此外，还引入了两个时间尺度来完成收敛性分析，证明算法拥有线性收敛速率。本发明的一个重大创新是，找到了一个有效的闭凸集约束处理方法来和梯度追踪方法融合，率先在非平衡图上以带有线性收敛速率的分布式算法解决了带有约束的凸优化问题。

摘要： 本发明公开了一种基于离散元法的单螺杆进料优化方法及系统，建立螺杆挤出机整体装配模型和物料颗粒模型，对螺杆挤出机整体装配模型进行几何清理和网格划分得到有限元网格模型，利用有限元网格模型设定螺杆挤出机整体装配模型的仿真参数，根据建立的物料颗粒模型对螺杆挤出机整体装配模型进行仿真获取仿真结果，对螺杆挤出机整体装配模型中螺杆挤出机进料段结构参数进行调整优化，本发明可针对不同物料进行针对性的挤出螺杆结构设计，能够分析物料在螺杆旋转过程中的受力情况和能量变化，改进螺杆进料段的结构和进料系统的空间布置形式，提高进料效率并减少物料对料筒的摩擦、冲击和振动，提高了螺杆进料设计效率，确保了螺杆挤出效果和挤出效率。

摘要： 本发明基于离散分布式绕组的耦合场优化无线供电系统包括功率发射单元和和功率接收单元，其中功率发射单元包括两个串联的离散分布式电磁发射线圈，功率接收单元包括垂直式电磁接收线圈，该垂直式电磁接收线圈所在的平面与两个离散分布式电磁发射线圈的轴线垂直，且该垂直式电磁接收线圈位于两个离散分布式电磁发射线圈的侧边，拾取两个离散分布式电磁发射线圈的侧边产生的磁通。本发明同时减小了传统无线供电系统所伴随的收、发线圈外部与其通道处的磁场与周围环境之间的相互影响。

摘要： 本发明公开了一种基于离散空间的对抗性群集体系的阵型模拟优化系统，模拟系统包括规则定义模块，初始化模块，博弈树算法模块，静态评估函数模块，胜负判定模块，显示界面及运行模块和数据库模块。本发明提供模拟系统的扩展性代码，即可以在源代码基础上直接修改对弈棋盘大小，博弈人数，博弈规则等，从而进行更深入和进一步地模拟和分析。本发明系统相比现有的技术系统，在图形界面上有了新的构建，在博弈规则及成员数量上可灵活调整，提高了博弈系统的扩展性和鲁棒性，且静态估值函数要强于一般的打分函数，算法更加智能，能够得到更好的博弈结果。

摘要： 本发明公开的一种目标轨迹离散化方法、泊车路径跟踪误差优化方法及系统，包括：路径更新，计算圆弧的圆心角deltA，每个点之间的圆心角StepA，总的点数，最后计算每个点的位置坐标；计算直线的总长度和斜率，最后求出每个点的坐标，对圆弧和直线的组合，若上一段还剩LastPhaseRes，下一段需要从预设间距‑LastPhaseRes的地方开始，求出每个离散点的目标航向角。本发明用于平行车位、垂直车位和斜列车位等场景下泊车过程中路径跟踪误差的计算和优化，以提高泊车的精度，改善泊车效果及体验。

摘要： 本发明公开了一种基于改进离散粒子群算法优化故障等级的传感器布局方法，该布局方法首先建立系统故障与传感器测试之间的相关性模型，来描述系统故障和传感器测试点之间的逻辑关系；然后分析系统故障的等级以及相应等级的漏检率要求，以及通过故障模式影响和危害性分析FMECA后得到的系统的故障模式以及故障模式，根据故障重要度进行故障等级划分；根据故障等级漏检率构造约束条件，根据传感器成本构造适应度函数；最后利用改进的离散粒子群算法计算约束条件下适应度函数值最优的传感器布局的离散序列解。本发明的布局方法更加可靠，且计算结果验证了本发明的有效性，并降低了成本。

摘要： 正确的保护定值整定计算对于继电保护设备快速准确动作尤为重要，传统人工整定计算方法在大规模复杂电网中存在计算复杂、效率低下、难以综合考虑所有保护配合情况等缺点。随着计算机技术迅猛发展，现将群体智能优化算法同继电保护整定计算结合起来，相较于传统人工整定计算提高了大规模复杂电网的整定计算的效率和准确度。本发明公开了一种基于离散灰狼算法的继电保护定值优化方法，将离散化灰狼算法应用于继电保护定值优化，求解使整定时间最短、整定阻抗最优、不满足约束情况最少的适应度值，提高了寻优效率，加快了收敛速度，能快速准确的求得大规模复杂电网的整定值。

摘要： 发明提供基于离散小波变换的连续体拓扑优化方法。该方法包括确定连续体结构的设计参数、建立拓扑优化数学模型、对优化问题进行转化、对优化问题进行求解和得到连续体结构拓扑优化结果。该方法采用离散小波变换方法结合连续体拓扑优化变密度法，实现设计变量的压缩，使拓扑优化的求解效率有大幅提高，同时目标函数值也在可接受范围内。

摘要： 本发明涉及一种基于离散种子优化算法的通信节点无人机网络部署方法，与现有技术相比解决了通信节点无人机群体难以实施有效部署的缺陷。本发明包括以下步骤：通信节点无人机集群的设定；待通信节点的位置获取；离线优化集群通信节点无人机的部署；通信节点无人机的网络部署。本发明拥有协同交互紧密、群体智能涌现明显的特点，在保证容错率和冗余度的前提下，提高了待通信节点的覆盖比例，实现多类复杂场景下的通信节点无人机部署。