共查询到10条相似文献,搜索用时 15 毫秒
1.
基于雷达成像的熵函数优化方法(英文) 总被引:1,自引:0,他引:1
对ISAR成像的最小熵自聚焦(MEA)算法进行了收敛性分析. 仿真结果表明, MEA算法存在局部最优问题, 作为其代价函数的ISAR像熵函数并非多维补偿相位的下凸函数. 只有当该补偿相位矢量的初值选取合适, 使其处于像熵函数的全局最小点附近时, MEA算法才能收敛到全局最优解. 针对MEA算法的最优化问题, 给出了一种基于雷达成像的熵函数优化方法. 该方法首先采用改进的多普勒中心跟踪法估计补偿相位初值. 该初值是最大似然准则下的估计结果, 可以使初始相位位于最优解附近. 然后, 利用快速MEA 算法进行局部搜索, 得到全局最优解. 仿真结果表明, 该算法不仅实现了MEA算法的全局最优求解, 还可避免步长、阈值等参数的选择与调整. 相似文献
2.
利用一种并列连接的神经网络结构对移动机器人路径进行规划,并把神经网络与模拟退火算法相结合,解决了局部极值问题,最终收敛到全局最优解。计算机仿真研究表明:模拟退火算法具有计算简单,初值鲁棒性强以及通用易实现等优点。 相似文献
3.
王仲民 《天津工程师范学院学报》2007,17(3):19-21
通过对梯度法与模拟退火算法优缺点的分析,提出了一种梯度退火新型混合全局优化算法。该算法利用梯度法的快速寻优特性得到某一局部极值,然后采用模拟退火算法的全局搜索寻优能力跳出该局部极值,经过反复混合迭代最终获得全局最优解。仿真实验表明,该新型混合优化算法显著提高了求解全局优化问题的计算效率。 相似文献
4.
5.
基于神经网络的移动机器人路径规划研究 总被引:7,自引:0,他引:7
利用一种并列连接的神经网络结构对移动机器人路径进行规划,并把神经网络与模拟退火算法相结合,解决了局部权值问题,最终收敛到全局最优解。计算机仿真研究表明:模拟退火算法具有计算简单,初值鲁棒性强以及通用易实现等优点。 相似文献
6.
粒子群算法是一种基于群体的智能算法,具有较强的全局搜索能力,并能通过对一定数量粒子的迭代运算获得问题的全局最优解。将粒子群算法应用于多峰值函数优化中可以避免常规方法难以同时搜索出多个极值而陷于局部极值的问题。基于matlab平台的仿真实验中,引入粒子群初始化位置拥挤距离检测,并在peaks函数上进行测试,可以有效实现全局和局部搜索,并能较好地保持粒子的多样性,从而获得多峰值函数的最优解。 相似文献
7.
吴绍根 《北京工业职业技术学院学报》2015,14(3):20-25
针对近年来基于网格和密度的数据聚类算法均需要先验知识确定聚类相关参数的问题,提出了基于动态网格和密度邻接的数据聚类算法。该算法首先分析数据集的特征,确定网格单元的初始值,通过定义全局距离度量函数,对网格单元进行2-1动态递减迭代,最后得到全局最优聚类。实验结果证明:使用该算法对数据进行聚类,能够获得直觉上的最优聚类结果。将该算法应用到对GPS信息聚类中,也得到较为理想的效果。 相似文献
8.
李静 《温州大学学报(社会科学版)》2008,(6):1-6
研究求解全局最优化问题的算法.在分析了已有的填充函数法和打洞函数法之后,吸取了这两类算法的优点,给出了一种求取非线性最优化问题全局最优解的填充打洞函数算法.与通常的填充函数法相比,该算法降低了对其中参数的依赖,并且具有较好的求解可操作性.数值试验显示,计算效果是满意的. 相似文献
9.
吴力荣 《通化师范学院学报》2011,32(6):30-31
通过引入最优策略和筛选策略,有效避免了算法的早熟,同时增强了算法的全局收敛性.通过典型复杂函数的数值仿真结果表明,所给算法的全局收敛速度和命中全局最优的概率相对传统方法大大提高. 相似文献
10.
基于进化策略的函数优化问题研究 总被引:1,自引:0,他引:1
针对进化策略算法在解决具体问题是熟练速度较慢这一问题的原因进行分析,提出自适应变异步长的方法,以在全局和局部范围内进行搜索.变异步长的值依赖于目标变量与全局最优解之间的距离.步长随距离自适应变化,可避免局部熟练和早熟.通过对经典dejong函数和Shubert函数的仿真试验,验证了文中算法的有效性.仿真结果表明,该算法收敛速度快,搜索精度高,且具有良好的全局搜索能力. 相似文献