导读:本文包含了全局最优估计论文开题报告文献综述及选题提纲参考文献,主要关键词:广义变差函数,多重点样本,水平值估计算法,相对熵算法
全局最优估计论文文献综述
周心怡,汪可,邬冬华,汪晨[1](2019)在《求解全局最优问题的多重点样本水平值估计的相对熵算法》一文中研究指出研究有界闭箱约束下的全局最优化问题,利用相对熵及广义方差函数方程的最大根与全局最小值之间的等价关系,设计求解全局最优值的积分型水平值估计算法.对采用重点样本采样技巧产生的函数值按一定规则进行聚类,从而在各聚类中产生的若干新重点样本,结合相对熵算法,构造出多重点样本进行全局搜索的新算法.该算法的优点在于每次迭代选用当前较好的函数值信息,以达到随机搜索到更好的函数值信息.同时多重点样本可有利挖掘出更好的全局信息.一系列的数值实验表明该算法是非常有效的.(本文来源于《运筹学学报》期刊2019年01期)
武小平[2](2017)在《基于全局最优分布式估计的SLAM系统研究与实现》一文中研究指出即时定位与地图构建(SLAM)算法以其定位精度高和能够获取未知环境信息的特点,逐渐成为解决未知环境下机器人自主导航问题的关键技术。但传统集中式结构的SLAM系统,由于机器人所处环境的不断变化,存在计算量大、容错能力差等问题,严重制约了SLAM技术的实现和应用。本文围绕智能机器人SLAM系统结构和滤波算法,综合考虑扩展卡尔曼滤波(EKF)和分布式结构的优点,构建了分布式航向辅助EKF-SLAM系统样机,并完善和优化了系统性能。本文主要研究内容包括以下叁个方面:首先,针对现有集中式和分布式SLAM系统动态容错性能较差、计算量大等问题,结合分布式结构和EKF二者的优点,将航向信息引入分布式SLAM系统中,搭建了基于航向辅助的分布式EKF-SLAM系统。主要从系统建模、性能分析、算法实现、平台搭建四个方面进行了研究和设计,并通过两组实验对航向辅助分布式EKF-SLAM系统性能进行了验证。其次,针对EKF算法一阶线性化处理后带来较大的模型误差,使得算法的估计精度下降甚至造成滤波发散,以及系统在拐弯或者动态变化较大时出现次优估计的问题,对系统主滤波器和子滤波器间信息融合算法进行了优化改进,设计了基于全局最优的分布式SLAM算法。在分布式结构中引入了全局预测器,应用信息向量空间理论,将全局预测器的预测量,以及每个子滤波器的估计量、观测量这叁种信息源作为信息空间的基,进行融合得到全局最优估计结果,并通过实验对算法进行了验证。最后,针对子滤波器融合过程中,系统全局最优估计受到主滤波器和子滤波器间状态信息缺失和状态噪声耦合的影响,对上述全局最优算法进行了改进。通过引入子滤波器状态量和主滤波器状态量之间的关系矩阵,将分布式的滤波方程带入集中式滤波方程中求解得到每个子滤波器的次优融合结果,再根据得到的次优融合结果设计全局最优算法,将次优估计结果作为反馈来校正一阶状态预测量从而得到全局最优估计,并从理论推导和实验分析验证了改进算法的性能。(本文来源于《北京工业大学》期刊2017-05-01)
任翔[3](2015)在《立体视差全局最优估计算法研究》一文中研究指出随着图像处理、通信以及视频编码等各种研究领域的不断进步,立体视频的研究进入了一个新的快速发展期。立体匹配技术是一种通过寻找同一场景在不同视角图像中的相同点的一一对应关系,并由此获得视差图,重建场景叁维模型的技术。回顾近几十年的双目立体匹配的技术发展,早期的研究者逐点进行分立的研究,意图为每一个像素点找到其最佳匹配,然而结果却并不理想。近年来,随着马尔科夫随机场理论的提出及其发展,其理论为计算机视觉领域和图像处理领域提供了更好的研究工具。本文主要研究两种目前较为主流的算法动态规划和置信传播算法,并分别优化,以期获得更好的算法效果和更快的算法速度。本文分析了动态规划算法在立体匹配领域中的应用,并根据动态规划的特性配合针对性的预处理和后处理步骤。该算法使用左右图分别作为主视图,计算匹配代价后迭代计算对应的视差图,修正误匹配点后得到精确的视差图。其中,计算匹配代价同时考虑像素相似度和纹理相似度,迭代过程使用动态规划算法,兼顾速度和精确度,并针对动态规划算法的条纹特性以及同一扫描线上的精确度不对等,使用插值优化算法提取左右视差图的高精度区域合成最终的视差图。实验结果表明,同传统动态规划算法相比,基于插值优化的动态规划立体匹配算法在遮挡区域表现优异,并且依然保持不变的时间复杂度。本文提出了基于升降采样的金字塔优化的置信传播算法。通过分析置信传播算法的理论基础,针对置信传播算法的大量冗余迭代所带来的高时间复杂度和空间复杂度进行了金字塔优化,有效减少了算法占用的冗余空间和计算时间。本文提出了基于置信传播的序列图像快速立体匹配视差估计算法。序列图像本身拥有几乎一致的背景,在序列图像的立体匹配中直接使用上一帧的视差图作为当前帧的迭代起始将会大大加快迭代的速度。实验结果证明,该方案相比单帧图像的置信传播立体匹配,速度上有较大提升,同时算法效果并未下降。(本文来源于《北京邮电大学》期刊2015-11-30)
杨启文,杨远慧,薛云灿,曹国平[4](2012)在《全局最优的邻域估计》一文中研究指出为了实现全局最优的快速搜索,对全局最优所处的范围进行预估非常关键.受沙盘重心的力平衡关系启发,提出基于重心定位的全局最优邻域估计方法.利用空间变换技术,将寻优空间的重心"移"至全局最优附近;在重心逐次"移"动过程中,以重心为几何中心,构造一个范围不断缩小的全局最优邻域.函数测试和工程应用表明,所提出方法能以较小的种群和迭代次数确定全局最优的有效邻域范围.(本文来源于《控制与决策》期刊2012年08期)
李峰,楼烨[5](2011)在《一类新的水平值估计方法的全局最优性条件研究》一文中研究指出本文提出全局优化的一类新的水平值估计方法,研究了方差方程的根与原始问题的最优值之间的等价性,并通过v-方差函数的研究,得出了相应的最优性条件.(本文来源于《运筹学学报》期刊2011年01期)
王欣,朱齐丹,孙书利[6](2010)在《带相关噪声的加权观测融合估计算法及其全局最优性》一文中研究指出针对多传感器线性离散定常随机控制系统,当具有相关噪声且每个传感器带不同观测阵时,基于矩阵满秩分解与加权最小二乘理论,提出了新的加权观测融合估计算法。该算法首先将多个传感器的观测折算到一个等效的传感器上,对等效的传感器系统进行估计,证明了其估计结果相同于集中式融合稳态Kalman估计结果,因而它同样具有渐近全局最优性,且可明显减小计算负担,便于实时应用。仿真实验结果表明了该算法的有效性。(本文来源于《系统工程与电子技术》期刊2010年10期)
王欣,朱齐丹,孙书利[7](2010)在《不受约束的全局最优加权观测融合估计》一文中研究指出利用矩阵满秩分解方法,基于加权最小二乘理论提出了一种不受各传感器观测阵是否相同、观测噪声是否相关约束限制的加权观测融合估计算法。证明了其估计结果每时刻恒同于集中式融合Kalman估计结果,因而具有全局最优性,且可明显减小计算负担,便于实时应用。通过对GPS目标跟踪系统的两种方案进行仿真说明了它的功能等价性、快速性以及最优性。(本文来源于《计算机工程与应用》期刊2010年24期)
彭拯,邬冬华,田蔚文[8](2007)在《约束全局最优化的水平值估计算法》一文中研究指出本文针对约束全局最优化问题,定义并研究了约束水平集上的方差函数,利用牛顿切线法求解方差方程的最大根构造出一种全局优化的水平值估计算法,并基于数论中一致分布佳点集求数值积分的方法建立了它的实现算法,验证了实现算法满足不精确牛顿算法的收敛性条件,从而证明了实现算法的收敛性.初步的数值实验说明了算法的有效性.(本文来源于《计算数学》期刊2007年03期)
邵喜高,张志军[9](2007)在《一类非线性椭圆型问题爆炸解的存在性与全局最优估计》一文中研究指出设f满足:H(t)=∫t∞f(dss)<∞,t∈R,∫-∞∞f(dss)=∞(或H(t)=∫t∞f(dss)<∞,t>0,∫0∞f(dss)=∞,且f'(t)∫t∞f(dss)在R(或(0,∞))上有界,构造爆炸上解和爆炸下解,得到了非线性椭圆型问题Δu=f(u),x∈Ω,u|Ω=+∞解的存在性和渐近行为的全局最优估计.(本文来源于《烟台大学学报(自然科学与工程版)》期刊2007年01期)
高社生,周涛[10](2002)在《全局最优信息融合估计算法(Ⅱ)》一文中研究指出假定局部滤波器的状态估计是相关的条件下 ,得到了状态向量的全局最优融合估计 ,作为应用 ,得到了比文 [1 ]中更为普遍、实用的结果(本文来源于《纯粹数学与应用数学》期刊2002年01期)
全局最优估计论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
即时定位与地图构建(SLAM)算法以其定位精度高和能够获取未知环境信息的特点,逐渐成为解决未知环境下机器人自主导航问题的关键技术。但传统集中式结构的SLAM系统,由于机器人所处环境的不断变化,存在计算量大、容错能力差等问题,严重制约了SLAM技术的实现和应用。本文围绕智能机器人SLAM系统结构和滤波算法,综合考虑扩展卡尔曼滤波(EKF)和分布式结构的优点,构建了分布式航向辅助EKF-SLAM系统样机,并完善和优化了系统性能。本文主要研究内容包括以下叁个方面:首先,针对现有集中式和分布式SLAM系统动态容错性能较差、计算量大等问题,结合分布式结构和EKF二者的优点,将航向信息引入分布式SLAM系统中,搭建了基于航向辅助的分布式EKF-SLAM系统。主要从系统建模、性能分析、算法实现、平台搭建四个方面进行了研究和设计,并通过两组实验对航向辅助分布式EKF-SLAM系统性能进行了验证。其次,针对EKF算法一阶线性化处理后带来较大的模型误差,使得算法的估计精度下降甚至造成滤波发散,以及系统在拐弯或者动态变化较大时出现次优估计的问题,对系统主滤波器和子滤波器间信息融合算法进行了优化改进,设计了基于全局最优的分布式SLAM算法。在分布式结构中引入了全局预测器,应用信息向量空间理论,将全局预测器的预测量,以及每个子滤波器的估计量、观测量这叁种信息源作为信息空间的基,进行融合得到全局最优估计结果,并通过实验对算法进行了验证。最后,针对子滤波器融合过程中,系统全局最优估计受到主滤波器和子滤波器间状态信息缺失和状态噪声耦合的影响,对上述全局最优算法进行了改进。通过引入子滤波器状态量和主滤波器状态量之间的关系矩阵,将分布式的滤波方程带入集中式滤波方程中求解得到每个子滤波器的次优融合结果,再根据得到的次优融合结果设计全局最优算法,将次优估计结果作为反馈来校正一阶状态预测量从而得到全局最优估计,并从理论推导和实验分析验证了改进算法的性能。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全局最优估计论文参考文献
[1].周心怡,汪可,邬冬华,汪晨.求解全局最优问题的多重点样本水平值估计的相对熵算法[J].运筹学学报.2019
[2].武小平.基于全局最优分布式估计的SLAM系统研究与实现[D].北京工业大学.2017
[3].任翔.立体视差全局最优估计算法研究[D].北京邮电大学.2015
[4].杨启文,杨远慧,薛云灿,曹国平.全局最优的邻域估计[J].控制与决策.2012
[5].李峰,楼烨.一类新的水平值估计方法的全局最优性条件研究[J].运筹学学报.2011
[6].王欣,朱齐丹,孙书利.带相关噪声的加权观测融合估计算法及其全局最优性[J].系统工程与电子技术.2010
[7].王欣,朱齐丹,孙书利.不受约束的全局最优加权观测融合估计[J].计算机工程与应用.2010
[8].彭拯,邬冬华,田蔚文.约束全局最优化的水平值估计算法[J].计算数学.2007
[9].邵喜高,张志军.一类非线性椭圆型问题爆炸解的存在性与全局最优估计[J].烟台大学学报(自然科学与工程版).2007
[10].高社生,周涛.全局最优信息融合估计算法(Ⅱ)[J].纯粹数学与应用数学.2002