以内点法求解最优潮流(optimal power flow,OPF)的经典非线性规划模型已得到广泛应用,但无法保证解的全局最优性。而求解OPF的半正定规划模型,在一定条件下能获得全局最优解,但存在计算时间长和可能无法获得可行解的缺点。因此,文中提...以内点法求解最优潮流(optimal power flow,OPF)的经典非线性规划模型已得到广泛应用,但无法保证解的全局最优性。而求解OPF的半正定规划模型,在一定条件下能获得全局最优解,但存在计算时间长和可能无法获得可行解的缺点。因此,文中提出一种结合非线性规划和半正定规划模型两者优势求解OPF问题的混合优化方法,以实现在更短的时间内获得全局最优解。首先,提出验证由内点法求解OPF非线性规划模型(nonlinear programming,NLP)所得解是否为全局最优的充分条件。若非全局最优,则基于OPF的半正定规划模型给出由该局部最优解出发的下降方向,并通过步长控制得到新的初值,交由内点法重新求解OPF的非线性规划模型。算例测试结果表明,该算法在避免求解完整半正定模型需耗费大量时间的同时,能够有效跳出非线性规划模型的局部最优解,收敛到全局最优解或更优的解。展开更多
稀疏表示图像去噪方法中噪声方差,需事先假定,且K-SVD(k-means singular value decomposition)字典学习方法难以解决参数自动选择问题。为此,由于图像在梯度域的稀疏性优于空间域,提出一种梯度域非参数贝叶斯字典学习图像去噪方法。考...稀疏表示图像去噪方法中噪声方差,需事先假定,且K-SVD(k-means singular value decomposition)字典学习方法难以解决参数自动选择问题。为此,由于图像在梯度域的稀疏性优于空间域,提出一种梯度域非参数贝叶斯字典学习图像去噪方法。考虑非参数贝叶斯字典学习图像去噪模型是一个多变量耦合问题,难以求解,利用Bregman和交替迭代方法把该问题分解为多个子问题,利用最小二乘方法和BPFA(beta process factor analysis)字典学习方法分别求解这些子问题,滤除图像噪声,保留原图像的有用信息。实验结果表明,提出方法较GradDLRec算法的峰值信噪比平均可提高1.4 dB左右,重建的图像细节信息更丰富,且该方法具有良好收敛性。展开更多
文摘以内点法求解最优潮流(optimal power flow,OPF)的经典非线性规划模型已得到广泛应用,但无法保证解的全局最优性。而求解OPF的半正定规划模型,在一定条件下能获得全局最优解,但存在计算时间长和可能无法获得可行解的缺点。因此,文中提出一种结合非线性规划和半正定规划模型两者优势求解OPF问题的混合优化方法,以实现在更短的时间内获得全局最优解。首先,提出验证由内点法求解OPF非线性规划模型(nonlinear programming,NLP)所得解是否为全局最优的充分条件。若非全局最优,则基于OPF的半正定规划模型给出由该局部最优解出发的下降方向,并通过步长控制得到新的初值,交由内点法重新求解OPF的非线性规划模型。算例测试结果表明,该算法在避免求解完整半正定模型需耗费大量时间的同时,能够有效跳出非线性规划模型的局部最优解,收敛到全局最优解或更优的解。
文摘稀疏表示图像去噪方法中噪声方差,需事先假定,且K-SVD(k-means singular value decomposition)字典学习方法难以解决参数自动选择问题。为此,由于图像在梯度域的稀疏性优于空间域,提出一种梯度域非参数贝叶斯字典学习图像去噪方法。考虑非参数贝叶斯字典学习图像去噪模型是一个多变量耦合问题,难以求解,利用Bregman和交替迭代方法把该问题分解为多个子问题,利用最小二乘方法和BPFA(beta process factor analysis)字典学习方法分别求解这些子问题,滤除图像噪声,保留原图像的有用信息。实验结果表明,提出方法较GradDLRec算法的峰值信噪比平均可提高1.4 dB左右,重建的图像细节信息更丰富,且该方法具有良好收敛性。
