基于核函数的学习算法

论述基于核函数的方法，包括支持向量机的分类、聚类与回归算法，基于核的Fisher判别分析、感知机和主成分分析，介绍学习算法、简化算法和多类分类等研究课题，及基于核函数方法的应用。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

域约束优化问题的普适免疫进化算法

在免疫进化算法的基础上，针对域约束优化问题，提出了一种普适算法．通过区间变换，该算法在保证所产生的个体分量均能满足相应的区间约束的同时，消除了参数设置的随意性，不仅提高了计算效率，而且增强了算法的统一性，克服了其它进化算法采用罚函数处理域约束问题的不足．多峰函数优化和遗传算法欺骗问题的测试结果表明：与采用罚函数处理域约束问题的免疫进化算法相比，普适算法不仅易于编程，而且能以更快的速度稳健地收敛到全局最优解．     

ICA的共轭下降法

独立分量分析(ICA)作为有效的盲源分离技术(BSS)是信号处理领域的热点，本文在分析现有的ICA算法的基础上提出了以最小互信息为准则函数的ICA的共轭下降算法，并将该算法与传统的算法在计算效率和收敛性方面进行了比较，该算法的迭代次数由传统算法的约2000次减少至不超过300次．适当地选取对比函数可实现全局收敛，并简要分析了对比函数的选取准则．模拟实验证明该算法收敛速度快，而且对初始点不敏感，在健壮性方面具有较好的性能。     

一种模糊隶属函数的自动生成算法

提出了一种模糊隶属函数的自动生成算法，该算法基于样本数据的变化趋势对数据进行预处理，同时结合模糊C均值方法，实现连续数据的离散化，直观、合理地确定了模糊隶属函数的中心参数，并应用MATLAB语言实现了模糊隶属函数的自动生成算法。     

约束非线性问题整体包络的无约束解法研究

提出了约束非线性规划问题的一种新算法：将目标函数与所有约束函数包络成一个无约束问题求解，这一系列无约束解最终迈近原问题的最优解。文中介绍了包络函效的数学特点及算法等价性，讨论了与一般系列无约束算法的区别，包络过程中，目标函数与约束函数之间的“射线步”调整，以及用单调性分析技术挑选被包络的约束，明显地提高了算法的稳定性。几个有代表性的算例表明，这种算法适应性强，步骤简便，容易实现。     

BP网络中的熵函数准则

从极限角度证明了传统ＢＰ算法收敛速度慢、产生局部极小点的原因之一是该算法采用的均方误差准则。并提出了一种基于熵函数准则的ＢＰ算法，理论分析和仿真结果都表明此熵函数准则优于均方误差函数准则。     

两类三次样条插值函数的统一解法

用统一的算法实现两类不同的样条插值．对两类样条的初始条件所得的方程进行整合，统一处理，得出了三次样条插值函数的详尽的计算公式．在不改变误差和收敛性的前提下，实现了两类三次样条插值的统一算法．实践证明，两类三次样条插值函数有统一的算法．     

一种基于GA和梯度下降法的快速模糊系统学习方法

分析了现有模糊系统的两类主要的学习算法存在的缺陷。针对半梯形和三角形隶属度函数，提出了一种保证隶属度函数ε－完备性的方法。实现了一种新的基于遗传算法和梯度下降方法的快速模糊系统学习算法。通过实例进行了模拟，验证了该方法的高效性， 及保证隶属度函数完备性和模糊集合语义一致性的优点。     

抗震结构时程可靠度的遗传模拟退火算法

针对抗震结构时程可靠度分析中功能函数为非线性程度较高的隐式函数的特点，将遗传模拟退火算法与时程分析法相结合，建立了抗震结构时程可靠度分析的遗传模拟退火算法．该算法可以充分考虑结构参数和地震动的双重随机性，可确定任意时刻结构的时程可靠指标．用此方法及Monte Callo法分析了分别受大震和小震作用的三质点钢筋混凝土结构的时程可靠度，结果表明了该方法的有效性．     

结构可靠度的改进虚拟变量算法

针对当结构功能函数的构成为相关任意分布随机变量以及结构功能函数非线性程度产高时，虚拟变量法不适用的问题，提出了计算结构可靠指标的改进的虚拟变量算法，算例结果表明该方法可有效克服一般虚拟变量算法的不足，适用于结构功能函数非线性程度较高且其构成为相关任意分布随机变量的情况。     

基于下降搜索的量子进化算法

为了提高全局寻优能力和收敛速度，基于量子进化算法和混合遗传算法，提出了一种新的进化算法．该算法将下降搜索理论应用到量子进化算法中，改进了量子进化算法仅靠量子门进行迭代的作用，从而加快了收敛速度，并降低了个体在进化时产生退化的可能性．典型函数的仿真实验结果表明，该算法具有好的全局性和收敛性．     

径向基函数神经网络的一种在线学习算法

用在线学习算法和梯度法为学习规则，推导了径向基函数神经网络的在线学习算法，将影响网络输出的各个参数的学习过程作为一个整体来处理，并用Matlab实现了此算法．最后用一个26个印刷体大写英文字母的识别来验证此算法．实验的结果表明了该算法的正确性和有效性．     

基于自适应滤波算法的牵引网谐波电流检测

研究了自适应噪声对消技术在供电系统谐波电流检测模块中的应用及其使用的传统LMS算法,分析了传统固定步长算法的不足,并借鉴已有的多种变步长函数,提出了一种结合双曲正割和双曲正切变步长函数的自适应滤波改进算法.通过Matlab软件进行实验,分别模拟了采用传统LMS算法、双曲正割函数算法、双曲正切函数算法以及改进后的变步长算法的电流检测过程,并将检测到的基波电流波形进行比较,发现改进算法结合了所选两种函数收敛速度快、稳态精度好的优点,面对系统发生突变有了良好的响应速度和稳定能力,验证了改进算法的合理性.     

一种非线性互补问题的不可行非内点连续算法

基于Chen-Harker-Kanzow-Smale光滑函数，针对单调非线性互补问题给出了一种不可行非内点连续算法－－预估校正算法，并在适当的假设条件下，证明了算法具有全局收敛性和局部二次收敛性，从而为单调非线性互补问题的计算提供了一种新的有效算法。     

求解非凸函数极小问题的修正Broyden算法

提出了一种求解非凸函数极小的修正的Broyden算法，步长由Wo1fe原则确定．若假设目标函数是二阶连续可微的，目标函数的梯度满足Lipschitz条件，二阶导数短阵在极小点处正定，证明了所提出修正的Broyden算法是全局收敛的．     

含约束条件多峰函数优化问题的混合遗传算法

针对目前求解含约束条件多峰函数全局优化问题存在的困难,结合传统优化算法和常规遗传算法,提出一种寻求含约束条件多峰函数全局最优解的混合遗传算法.算例分析结果表明:该算法保留了传统优化算法的局部寻优能力和常规遗传算法的全局寻优能力,是寻求含约束条件多峰函数优化问题的一种有效算法.     

基于神经网络的模糊逻辑设计算法

提出了一种利用神经网络学习功能来设计模糊逻辑的方法。用类神经网络算法产生模糊规则和隶属函数，通过学习得到的模糊规则、隶属函数和以新模型推理、逆模糊化为基础的新模糊设计，显著地改进了系统性能，缩短了设计周期，将规则数目和隶属函数最优化，可有效降低系统成本。     

一类免疫优化算法及其应用

根据生物免疫系统机理推导出一类数学优化结构模型的免疫算法。此算法结合遗传算法的进化操作和生物免疫中的浓度机制，通过抗体的期望繁殖率实现对抗体的促进和抑制，改善未成熟收敛。该算法用于求解Rosenbrock函数，并且与遗传算法进行了比较，结果表明，该免疫算法不仅收敛，而且具有较高的全局和局部搜索能力和收敛速度。     

含约束条件多峰函数优化问题的混合遗传算法

针对目前求解含约束条件多峰函数全局优化问题存在的困难,结合传统优化算法和常规遗传算法,提出一种寻求含约束条件多峰函数全局最优解的混合遗传算法.算例分析结果表明:该算法保留了传统优化算法的局部寻优能力和常规遗传算法的全局寻优能力,是寻求含约束条件多峰函数优化问题的一种有效算法.