导读:本文包含了增广拉格朗日论文开题报告文献综述及选题提纲参考文献，主要关键词:通行能力限制的交通分配问题,基于可替换路径对的交通分配算法,增广拉格朗日乘子法
增广拉格朗日论文文献综述
吴超峰[1]（2019）在《基于增广拉格朗日乘子法的通行能力限制交通分配算法》一文中研究指出鉴于增广拉格朗日乘子法作为一种数学方法已被广泛应用于各类数值计算的实践中,提出了一种以增广拉格朗日乘子法为框架,能有效解决大路网通行能力限制下交通分配问题的求解算法。该算法中嵌入了基于可替换路径对的交通分配算法用于求解无通行能力限制的交通分配子问题,并给出了算法的具体步骤与技术细节。应用数值算例论证了算法的数值计算能力以及求解大路网通行能力限制下交通分配问题的性能,另外也分析了算法参数的灵敏度。(本文来源于《品质交通与协同共治——2019年中国城市交通规划年会论文集》期刊2019-10-16）
温瑞萍,李姝贞[2]（2019）在《Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法（英文）》一文中研究指出基于Toeplitz矩阵填充(TMC)的修正增广拉格朗日乘子(MALM)算法,本文给出此算法的一种加速策略,提出Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法.该方法通过削减原MALM算法中每一步迭代的频繁数据传输,提高算法的运行效率.同时也证明了新算法的收敛性.最后以数值实验表明?-步修正增广拉格朗日乘子算法比原MALM算法更有效.(本文来源于《应用数学》期刊2019年04期）
王林军,廖玮,王锬,杜义贤[3]（2019）在《基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析》一文中研究指出本文提出了一种基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析方法.该方法通过引入参数的不确定性和区间变量,得到一种概率-区间混合不确定模型,充分利用增广拉格朗日乘子法将有约束优化问题转化为无约束优化问题,基于此进行求解和结构可靠性分析.数值算例和工程实例验证了该算法在计算结构可靠性问题时对于线性和非线性的功能函数有良好的收敛性和较高的计算效率.(本文来源于《叁峡大学学报(自然科学版)》期刊2019年05期）
梁仁莉,白延琴[4]（2019）在《求解稀疏逻辑回归问题的嵌套BB算法的分裂增广拉格朗日算法》一文中研究指出逻辑回归是经典的分类方法,广泛应用于数据挖掘、机器学习和计算机视觉.现研究带有程。模约束的逻辑回归问题.这类问题广泛用于分类问题中的特征提取,且一般是NP-难的.为了求解这类问题,提出了嵌套BB(Barzilai and Borwein)算法的分裂增广拉格朗日算法(SALM-BB).该算法在迭代中交替地求解一个无约束凸优化问题和一个带程。模约束的二次优化问题.然后借助BB算法求解无约束凸优化问题.通过简单的等价变形直接得到带程。模约束二次优化问题的精确解,并且给出了算法的收敛性定理.最后通过数值实验来测试SALM-BB算法对稀疏逻辑回归问题的计算精确性.数据来源包括真实的UCI数据和模拟数据.数值实验表明,相对于一阶算法SLEP,SALM-BB能够得到更低的平均逻辑损失和错分率.(本文来源于《运筹学学报》期刊2019年02期）
刘洪琛[5]（2019）在《基于欧拉弹性模型的增广拉格朗日方法在图像恢复中的应用》一文中研究指出在实际的生产和生活中,人们所得到的图像通常会受到污染,需要图像恢复来处理.在图像恢复过程中,需建立造成图像质量下降的退化模型,然后运用相反过程来恢复图像,并运用一定准则来判定是否得到图像的最佳恢复.如今,欧拉弹性模型己经广泛地应用到图像恢复领域,并取得了良好的效果.本文基于欧拉弹性模型提出了可以去除椒盐-高斯混合噪声的融合L1和L2保真项的欧拉弹性模型,对基于欧拉弹性模型的图像恢复模型中的参数应用遗传算法进行参数选取.数值实验验证了新模型的优越性.通过对比ROF模型、调和模型和欧拉弹性模型的优点与不足,以及全面深入地分析L1和L2保真项的特点,针对图像常见的椒盐噪声和高斯噪声,建立了融合L1和L2保真项的欧拉弹性模型,并利用增广拉格朗日算法对新模型进行求解.新模型在有效去除高斯噪声的同时,也可以去除椒盐噪声,并且在一定程度上避免了阶梯效应,保持了边缘细节信息,展现出了极大的优越性.对所提出的融合L1和L2保真项的欧拉弹性模型,应用增广拉格朗日方法进行求解的过程中,需要确定许多人为参数.针对此类问题,本文提出一个基于遗传算法的参数选择算法,选择出了对应的参数,与传统的根据经验的参数选取方法对比,有效地提升了模型的图像恢复效果,并且明显提升了选取参数的可靠性和选择效率.(本文来源于《中央民族大学》期刊2019-05-05）
刘勇进,刘梅娇,张伟伟[6]（2019）在《支持向量机增广拉格朗日方法的探究》一文中研究指出支持向量机是机器学习中一种非常重要的分类方法,它在文本分类、语音识别、图像分析、信息安全等诸多领域均有重要的应用.提出了基于支持向量机对偶问题的一种非精确增广拉格朗日算法,讨论了所提算法的收敛性结果,并利用支持向量机模型的稀疏特性,结合矩阵不完全Cholesky分解以及Sherman-Morrison-Woodbury公式等程序实现技巧,极大地减少了所提算法的时间与空间复杂度.数值结果验证了提出算法的可行性和高效性.(本文来源于《辽宁师范大学学报(自然科学版)》期刊2019年01期）
高宇轩,孙华燕,张廷华[7]（2018）在《增广拉格朗日双边全变分压缩成像重构算法》一文中研究指出针对基于全变分压缩成像算法重构的图像存在虚假边界以及边缘信息对比度低的问题,提出了一种基于全变分成像模型的增广拉格朗日双边全变分压缩成像重构算法。在全变分正则化思想基础上引入双边滤波技术,并加入拉格朗日函数算子,将目标函数转化为增广拉格朗日函数,利用交替方向法求解函数模型的最优解。迭代过程中选用最速下降法对梯度进行求解,对算法进行优化,提高算法运行速度。实验结果表明,算法改进后可以更加精确的重构出原始图像,重构图像的峰值信噪比提高2 dB,重构错误率降低10%,结构相似度提高0. 1,并且对噪声具有较好的鲁棒性。(本文来源于《激光与红外》期刊2018年10期）
张洪[8]（2019）在《一种增广拉格朗日优化方案及其非连续变形分析实现》一文中研究指出接触力计算精度是关乎非连续变形分析结果有效性的关键因素之一。经典非连续变形分析法(DDA)采用罚法施加块体间的接触约束,实现简单,但合理的罚值选取困难。因此,提出了一种增广拉格朗日优化算法,改进DDA中接触约束的处理。通过结合开闭迭代算法和自适应罚值更新方案等,提出并实现了多面体DDA增广拉格朗日算法及其优化方案。最后,设计了2个经典数值算例,计算结果表明:改进后的叁维DDA提高了计算精度且保证了计算效率,可用于复杂多面体块体系统的非连续力学行为分析,如大型节理岩体工程稳定性分析。(本文来源于《岩土工程学报》期刊2019年02期）
孝大宇,郭洋,李建华,康雁[9]（2018）在《基于增广拉格朗日的全变分正则化CT迭代重建算法》一文中研究指出采用一种基于增广拉格朗日方法 (augmented Lagrangian method)求解全变分正则化(total variation regularization)算法(ALMTVR)来进行CT图像重建.将ALMTVR算法与经典的代数重建算法(algebraic reconstruction technique,ART)进行比较,并采用仿真数据与实际数据进行实验.在实验中,使用ALMTVR算法与ART算法分别进行图像重建,并对重建图像进行对比分析.实验结果表明:所提算法与ART算法相比,显着提高了图像重建的质量与速度,显示了其对图像重建的有效性及在CT成像系统中潜在的应用价值.(本文来源于《东北大学学报(自然科学版)》期刊2018年07期）
张龙[10]（2018）在《一种新型图像恢复模型的增广拉格朗日算法研究及实现》一文中研究指出图像恢复是图像处理领域的一个重要研究分支,目的是使退化了的图像恢复到原来的真实面貌,从而提取或直接获得有用的信息。增广拉格朗日方法在图像恢复和计算机视觉领域有很广泛的应用,具有非常高的运行效率。本文基于变分微分方程理论建立了去除椒盐噪声和去除高斯-泊松混合噪声的图像恢复模型,构造了数值算法,给出了数值仿真实现。本文对常用的图像恢复模型:调和模型、ROF模型、TV-KL模型、基于L1保真项的全变差图像恢复模型的优缺点进行了全面的分析和介绍,并针对其存在的问题提出了改进的方法。本文结合调和模型、ROF模型、TV-KIL模型、TV-L1模型的优点,提出了两种新的图像恢复模型。1.本文综合考虑调和模型、TV-L1模型和L1保真项的优点,提出了一种去除椒盐噪声带L1保真项的混合变分模型,并用增广拉格朗日算法进行求解,最后使用MATLAB进行数值仿真实现,实验表明提出的新模型有效去除椒盐噪声,恢复了图像的纹理结构信息,同时模型的算法也具有较高的执行效率,并且一定程度上抑制了“阶梯效应”,充分证明新模型的可操作性和有效性。2.本文提出一种混合L2和KL保真项的图像恢复模型,该模型结合L2保真项能有效去除高斯噪声和KL保真项能有效去除泊松噪声的优点,克服了调和模型不能保留图像的边缘信息和TV-KL模型易造成“阶梯效应”的缺点,可有效去除高斯-泊松混合噪声,使用增广拉格朗日算法求解该模型,最终化为叁个子问题求解。为了加速计算,我们使用FFT来解决u子问题。对添加不同高斯-泊松混合噪声的测试图像进行数值模拟实验,实验表明提出的新模型有效地去除了混合噪声,恢复了图像的纹理结构信息,更好地保持了图像的边缘特征,充分验证了新模型的优越性。(本文来源于《中央民族大学》期刊2018-05-19）
增广拉格朗日论文开题报告
（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：
基于Toeplitz矩阵填充(TMC)的修正增广拉格朗日乘子(MALM)算法,本文给出此算法的一种加速策略,提出Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法.该方法通过削减原MALM算法中每一步迭代的频繁数据传输,提高算法的运行效率.同时也证明了新算法的收敛性.最后以数值实验表明?-步修正增广拉格朗日乘子算法比原MALM算法更有效.
（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。
增广拉格朗日论文参考文献
[1].吴超峰.基于增广拉格朗日乘子法的通行能力限制交通分配算法[C].品质交通与协同共治——2019年中国城市交通规划年会论文集.2019
[2].温瑞萍,李姝贞.Toeplitz矩阵填充的?-步修正增广拉格朗日乘子算法（英文）[J].应用数学.2019
[3].王林军,廖玮,王锬,杜义贤.基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析[J].叁峡大学学报(自然科学版).2019
[4].梁仁莉,白延琴.求解稀疏逻辑回归问题的嵌套BB算法的分裂增广拉格朗日算法[J].运筹学学报.2019
[5].刘洪琛.基于欧拉弹性模型的增广拉格朗日方法在图像恢复中的应用[D].中央民族大学.2019
[6].刘勇进,刘梅娇,张伟伟.支持向量机增广拉格朗日方法的探究[J].辽宁师范大学学报(自然科学版).2019
[7].高宇轩,孙华燕,张廷华.增广拉格朗日双边全变分压缩成像重构算法[J].激光与红外.2018
[8].张洪.一种增广拉格朗日优化方案及其非连续变形分析实现[J].岩土工程学报.2019
[9].孝大宇,郭洋,李建华,康雁.基于增广拉格朗日的全变分正则化CT迭代重建算法[J].东北大学学报(自然科学版).2018
[10].张龙.一种新型图像恢复模型的增广拉格朗日算法研究及实现[D].中央民族大学.2018