改进的拉格朗日松弛数据关联算法

在多传感器多目标跟踪领域中,当传感器为被动式的,传统的多维分配算法利用拉格朗日松弛算法求解.拉格朗日乘子更新一般用次梯度方法,但每次迭代都要进行多次极小化运算来求对偶解,导致实时性差.针对这个问题,提出了一种改进的基于拉格朗日松弛的数据关联算法,通过代理修正次梯度方法更新拉格朗日乘子,并在允许时间内获得近似解.仿真实验...     

基于拉格朗日松弛的航天测控调度上界求解算法

通过分析航天测控调度问题的测控需求,建立了航天测控调度0-1整数规划模型,运用拉格朗日松弛方法对模型中的设备约束和卫星约束进行了松弛,运用次梯度优化算法求得了拉格朗日对偶问题的上界.最后,通过对两个场景的试验分析,证明了运用次梯度优化算法求得的上界的有效性.     

航天测控调度问题的拉格朗日启发式算法

通过分析航天测控调度问题的测控需求,建立了航天测控调度0-1整数规划模型,运用拉格朗日松弛方法对模型中的任务约束和设备约束进行了松弛,运用次梯度优化算法求得了航天测控调度问题上界,同时得到了决策变量对应的拉格朗日权重,可以作为决策变量在最优解中是否被调度的启发式信息,对拉格朗日权重进行分析,提出了求解问题可行解的拉格朗日启发式算法。最后,通过对两个场景的试验分析验证了拉格朗日启发式算法所求可行解的优越性。     

军队人力资源培训问题的整数线性规划模型

文章研究了军队人力资源培训问题,并基于时间和费用两个指标,建立了一个满足培训时间约束且费用最省的0-1整数线性规划模型,给出了基于Lagrange松驰分解的模型求解算法。在算法中,采用一种简单可行的Lagrange乘子更新方法代替传统的次梯度法。另外,文章证明了算法获得最优解的两个充分条件,计算实例初步表明给出的算法是行之有效的。     

一种多机器人系统任务分配规划算法

针对一类可将复杂任务分解为多目标集合的任务分配问题,提出了一种基于网络图的多机器人系统任务分配规划算法。首先根据目标集合和机器人系统的初始状态,建立对应的网络图。在此基础上,将任务分配问题转换为受约束的最少成本流程问题。为保证获得目标集合的最优解,提出一种结合分支界限原理和拉格朗日松弛原理的最优求解算法。在仿真中,利用提出的算法求解随机设定位置的机器人和目标点集,仿真结果表明,提出的算法可以实现目标点集的优化分配。     

线性规划的一种并行修正松弛算法

对求解线性规划问题的松弛算法进行了修正,在此基础上提出了一种基于cluster结构的并行算法,分析了算法的性能;基于曙光3000大规模并行计算机,给出了算法用于求解线性规划问题实例的实验结果.理论分析和实验结果表明,修正算法改进了松弛算法的实际性能,同时具有较好的并行性和稳定性,可用于求解此类大规模科学与工程规划问题的高性能计算.     

限定广义纳什均衡及其控制罚算法

广义纳什均衡问题通常有很多解,只有在相当严格的条件下,才有可能得到唯一解。如果任意选取其中之一作为该问题的解,显然是不合理的。为此,提出限定广义纳什均衡的概念。通过给共同约束相对应的拉格朗日乘子增加约束的方法,找出具有某些特性的解。为了求解限定广义纳什均衡,还进一步给出了控制罚算法。     

图像恢复中的稳健交替方向乘子法

交替方向乘子法在解决线性逆问题(包括图像恢复)中取得了良好的效果,但是其效果对惩罚参数的选择非常敏感,不利于具体的应用。提出基于惩罚参数自适应选择原理的稳健交替方向乘子法,对其优化条件和收敛性进行了详细分析。实验表明,在基于Parseval紧框架的图像恢复应用中,该算法不但对惩罚参数的选择表现出良好的稳健性,而且效果优于交替方向乘子法,并优于其他目前热门的算法。     

分布式多站雷达协同定位功率分配改进凸松弛算法

针对分布式多站雷达协同定位下的功率分配问题,提出一种改进凸松弛的启发式算法。给出了分布式多站雷达定位误差的克劳美罗下界(CRLB),建立功率约束下最小化CRLB迹的功率分配模型。设计了一种改进凸松弛算法,通过迭代修正松弛参数和快速功率调整策略解决非凸优化问题消除松弛带来的误差。仿真实验表明,相对于均匀功率分配算法和基于凸松弛的功率分配算法,改进凸松弛启发式功率分配算法下目标的定位性能更优。     

基于学科间差异信息的协同优化改进算法

分析了MDO(Multidisciplinary Design Optimization)中广泛应用的协同优化算法的特点和存在的问题,提出了一种基于学科间差异信息的协同优化改进算法COMI(Collaborative Optimization based on Multidisciplinary Inconsistency).利用学科间差异信息构造了系统级松弛约束和系统级罚函数,利用遗传算法作为系统级优化算法,并采用标准算例比较了标准CO(Collaborative Optimization)算法、松弛CO算法与COMI算法的性能.结果表明COMI算法在设计结果可行性和最优值上平衡性较好.