检索结果-南通市图书馆

frank-wolfe算法在输气管道内腐蚀预测中的应用

在线全文

学校读者我要写书评

暂无评论

油气储运 2007年第1期26卷 13-17页

作者：龙学渊袁宗明西南石油大学

组合预测是对用多种预测方法进行预测的结果加权。建立了基于最小二乘法原理的组合预测模型,提出了求解此组合预测模型的一种新的算法,即frank-wolfe算法,并将其应用于四川某输气管道内腐蚀速度预测的研究,应用结果表明,frank-wolfe方... 详细信息

组合预测是对用多种预测方法进行预测的结果加权。建立了基于最小二乘法原理的组合预测模型,提出了求解此组合预测模型的一种新的算法,即frank-wolfe算法,并将其应用于四川某输气管道内腐蚀速度预测的研究,应用结果表明,frank-wolfe方法较适用于求解组合预测问题的权重。

关键词：天然气管道内腐蚀速率组合预测 frank-wolfe算法应用

用于求解路径交通流量的改进frank-wolfe算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2018年第9期54卷 213-217页

作者：柴获何瑞春马昌喜代存杰兰州交通大学机电技术研究所兰州730070 兰州交通大学交通运输学院兰州730070 甘肃省物流及运输装备信息化工程技术研究中心兰州730070

frank-wolfe算法是用于求解交通流量分配问题的经典算法,但该算法是基于路段(Link-Based)的交通流量分配算法,无法用于求解路径交通流量。针对此问题,提出一种用于求解路径交通量的改进frank-wolfe算法。通过在frank-wolfe原算法中增加... 详细信息

frank-wolfe算法是用于求解交通流量分配问题的经典算法,但该算法是基于路段(Link-Based)的交通流量分配算法,无法用于求解路径交通流量。针对此问题,提出一种用于求解路径交通量的改进frank-wolfe算法。通过在frank-wolfe原算法中增加求解路径交通流量的计算步骤,根据原算法中"全有全无"加载方法获得的步长,更新源-目的(OD)间所有已配流的路径的交通流量,在原算法迭代计算路段流量的同时,同步计算路径流量。通过算例表明,改进算法是一个有效的算法,在frank-wolfe原算法的基础上增加少量的时间和空间成本即可求解路径交通流量,避免穷举交通网络中的所有路径,可以很好地用于用户均衡交通流量分配中。

关键词：系统工程路径交通流量 frank-wolfe算法交通流量分配用户均衡

对frank-wolfe算法在图像恢复中最小二乘问题的研究

在线全文

学校读者我要写书评

暂无评论

激光杂志 2015年第11期36卷 32-35页

作者：张占霍晓妹文有为昆明理工大学理学院昆明650500

在图像恢复问题中经常需要求解一个带箱约束的最小二乘问题。传统上,该问题通常先采用最速下降法求解一个无约束的最小二乘问题,然后将解投影到箱式约束中。这样一种途径得到的解是次优的。frank-wolfe算法是一个经典的求解带约束问题... 详细信息

在图像恢复问题中经常需要求解一个带箱约束的最小二乘问题。传统上,该问题通常先采用最速下降法求解一个无约束的最小二乘问题,然后将解投影到箱式约束中。这样一种途径得到的解是次优的。frank-wolfe算法是一个经典的求解带约束问题的迭代算法,其收敛速度为O(1/k)。本文采用该算法来解决图像恢复中的带箱式约束的最小二乘问题。数值结果表明,采用frank-wolfe算法得到的恢复图像要优于最速下降法。

关键词：箱约束图像恢复最小二乘问题 frank-wolfe算法

解带箱约束最小二乘问题的frank-wolfe算法及原—对偶算法

在线全文

学校读者我要写书评

暂无评论

解带箱约束最小二乘问题的Frank-Wolfe算法及原—对偶算法

作者：霍晓妹昆明理工大学

学位级别：硕士

大数据时代的到来,人们对信息的需求量也越来越大,而信息的主要表现形式是以图像的形式呈现。在获取图像的过程中,会不可避免的受到一些因素的干扰,例如,几何失真,运动模糊,散焦模糊,噪声等使得图像变的不清晰,从而影响其后的使用。因此... 详细信息

大数据时代的到来,人们对信息的需求量也越来越大,而信息的主要表现形式是以图像的形式呈现。在获取图像的过程中,会不可避免的受到一些因素的干扰,例如,几何失真,运动模糊,散焦模糊,噪声等使得图像变的不清晰,从而影响其后的使用。因此,图像复原成为数字图像处理中的一个重要问题。在数字图像复原的技术中往往需要求解带箱式约束的最小二乘问题。传统上,该问题通常先采用最速下降法求解一个无约束的最小二乘问题,然后将解投影到箱式约束条件中,然而采用这样的一种途径得到的解是次优的。frank-wolfe算法和原-对偶算法都是求解有约束问题的迭代算法,都具有O(1/k)的收敛速度。本文采用这两种算法来求解图像复原中带箱式约束的最小二乘问题。本文研究的主要内容为：以灰度图像为研究对象,发展数值优化算法来求解带箱式约束的最小二乘问题,提高复原图像质量。本文所开展的工作有：(1)介绍了数字图像复原理论中的一些基础知识,概述了国内外近年来在数字图像复原问题中的研究现状以及图像复原的现实意义。因为带箱式约束的最小二乘问题具有很广泛的应用价值,所以本文采用了带箱式约束的最小二乘模型去复原灰度图像。(2)阐述了最速下降法以负梯度方向下降最快的基本原理,采用线性搜索的方式求步长因子,并应用最速下降法算法求解带箱式约束的最小二乘问题,然后再把解投影到箱约束条件内。(3)针对最速下降法是求解无约束问题的迭代算法,采用了frank-Wo1fe算法,并介绍了frank-wolfe算法的原理知识,应用该算法求解带箱式约束的最小二乘问题。(4)介绍了原-对偶算法的相关理论,并用这一算法去求解带箱式约束的最小二乘问题。(5)分别做了frank-wolfe算法与最速下降法的对比实验和原对偶算法与最速下降法的对比实验。实验结果表明求解带约束问题的frank-wolfe算法和原-对偶算法都比求解无约束问题的最速下降法算法要优越一些。说明了求解带约束问的算法要比求解无约束问题的算法好。昆明理工大学硕士学位论文

关键词：图像复原箱约束最小二乘问题最速下降法 frank-wolfe算法原-对偶算法

自适应frank-wolfe算法及其在矩阵填充上的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

杭州电子科技大学学报（自然科学版） 2021年第2期41卷 88-93页

作者：汪丽琴喻高航张亮亮杭州电子科技大学理学院浙江杭州310018

提出一种矩阵填充问题的自适应frank-wolfe算法。首先,采用Nesterov加速策略加速frank-wolfe算法,然后,在迭代过程中对矩阵降秩,提高标准frank-wolfe算法收敛速率的同时,降低了迭代成本;最后,通过数值实验验证所提算法的有效性。

关键词： frank-wolfe算法矩阵填充 Nesterov加速降秩

基于frank-wolfe算法的交通分配研究

在线全文

学校读者我要写书评

暂无评论

价值工程 2021年第14期40卷 193-196页

作者：郑晏群张鹍鹏深圳市综合交通运行指挥中心深圳518040 深圳市综合交通设计研究院有限公司深圳518003

为了提升交通分配算法的速度以适应现实业务需求。本文提出了一种改进frank-wolfe算法,该算法模型相较于传统模型,优化了道路路阻计算方法,使模型路径规划接近现实情况,并预设出行路径集,避免穷举网络所有路径。此外,本文还解决了路段... 详细信息

为了提升交通分配算法的速度以适应现实业务需求。本文提出了一种改进frank-wolfe算法,该算法模型相较于传统模型,优化了道路路阻计算方法,使模型路径规划接近现实情况,并预设出行路径集,避免穷举网络所有路径。此外,本文还解决了路段途径车流OD无法溯源的问题。在测试实验中,本文以深圳市的交通数据为实验数据,用本文的方法进行OD溯源和交通分配,本文中的算法在运行速度上明显优于传统算法,更有利于部署在城市交通管理实际应用上。

关键词：交通分配 frank-wolfe算法 OD溯源

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于随机充电需求的充电桩优化双层模型

吉林大学学报（工学版） 2024年第8期54卷 2238-2244页

作者：闫云娟查伟雄石俊刚严丽平华东交通大学机电与车辆工程学院江西南昌330013 华东交通大学交通运输与物流学院江西南昌330013 华东交通大学软件学院江西南昌330013

在具有随机充电需求的混合交通网络里,为确定合理的充电桩配置数,构建了双层规划模型。上层模型以建设成本净现值、顾客流失成本、超出忍耐时间成本之和最小为目标;下层模型以用户广义出行成本最小为目标,描述路网流量分配与充电设施部... 详细信息

在具有随机充电需求的混合交通网络里,为确定合理的充电桩配置数,构建了双层规划模型。上层模型以建设成本净现值、顾客流失成本、超出忍耐时间成本之和最小为目标;下层模型以用户广义出行成本最小为目标,描述路网流量分配与充电设施部署位置的相互作用。模型利用差分进化算法与frank-wolfe算法相嵌套进行网络均衡配流及充电桩配置寻优仿真。结果表明:模型能有效模拟和预测网络均衡交通流、随机充电流、排队损失率和充电桩最优配置数。

关键词：交通运输规划与管理双层规划模型 frank-wolfe算法差分进化算法充电桩配置

多无人机辅助MEC环境中基于Wardrop路由博弈的计算卸载

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第3期51卷 309-316页

作者：汪昕隆林兵陈星福建师范大学物理与能源学院福州350117 北京大学信息科学技术学院北京100871 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350116 福州大学计算机与大数据学院/软件学院福州350108

无人机(Unmanned Aerial Vehicles,UAVs)与多接入边缘计算(Multi-access Edge Computing,MEC)技术的结合突破了传统地面通信的局限性,已成为解决MEC中任务卸载问题的重要手段。由于单无人机可提供的计算资源和能量有限,为了应对日益扩... 详细信息

无人机(Unmanned Aerial Vehicles,UAVs)与多接入边缘计算(Multi-access Edge Computing,MEC)技术的结合突破了传统地面通信的局限性,已成为解决MEC中任务卸载问题的重要手段。由于单无人机可提供的计算资源和能量有限,为了应对日益扩大的网络规模,考虑了多无人机辅助MEC环境中的任务卸载问题。基于问题定义,任务卸载过程可以视为一个在平行链路上进行的、具有玩家特定延迟函数的Wardrop路由博弈,目的是得到均衡状态和最优状态下的卸载策略,并量化分析两者间的差距。由于均衡解难以计算,因此构造了一个新的势函数,将均衡问题转换成最小化势函数问题。同时使用frank-wolfe算法最终获得均衡和最优卸载策略。算法在每次迭代中将目标函数线性化,通过求解线性规划得到可行方向,进而沿此方向在可行域内作一维搜索。仿真实验表明,相比其他基准测试方法,基于平行链路Wardrop路由博弈的均衡卸载策略能够有效降低模型总成本,且与最优卸载策略下总成本的比值约为1。

关键词：多接入边缘计算任务卸载无人机 Wardrop路由博弈 frank-wolfe算法

人工和自动混合驾驶环境下的最优道路拥堵收费模型

在线全文

学校读者我要写书评

暂无评论

北京大学学报:自然科学版 2023年第5期59卷 747-756页

作者：李浩康柳江罗斯达孙会君吴建军北京交通大学综合交通运输理论交通运输行业重点实验室北京100044 北京交通大学先进轨道交通自主运行全国重点实验室北京100044

为了得到自动驾驶汽车(CAV)与人工驾驶汽车(HDV)并存条件下最优道路收费方案,针对CAV在道路上的通行能力,特别是对道路容量产生的影响进行量化分析,获得道路容量与HDV流量和CAV流量之间的非线性关系。然后,对传统的美国公路局路阻函数... 详细信息

为了得到自动驾驶汽车(CAV)与人工驾驶汽车(HDV)并存条件下最优道路收费方案,针对CAV在道路上的通行能力,特别是对道路容量产生的影响进行量化分析,获得道路容量与HDV流量和CAV流量之间的非线性关系。然后,对传统的美国公路局路阻函数进行改进,并基于改进后的路阻函数,建立系统最优(systemoptimal,SO)流量分配模型,对不同CAV占比条件下和不同HDV与CAV安全车距比值条件下的交通流进行系统最优分配。采用frank-wolfe算法,对SO模型进行求解,并考虑因HDV而产生的额外道路出行成本对不同条件下系统最优分配结果的差异性进行比较。基于最优收费理论,针对不同规模道路网制定相应的收费方案。最后,将模型与算法应用到Nguyen-Dupuis交通网络中。结果表明,在HDV与CAV并存条件下,以系统最优分配结果下的边际成本进行收费是道路交通系统最优拥堵收费方案,可作为HDV与CAV并存条件下道路收费方案设计的依据。

关键词：自动驾驶汽车道路网络美国公路局路阻函数系统最优分配 frank-wolfe算法拥堵收费