交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)是将大规模优化问题进行分步求解,有效简化了计算过程,近来被应用到定位问题中。通过引入辅助变量,建立具有光滑目标函数的最小化问题,提出了基于ADMM的传感器网络协...交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)是将大规模优化问题进行分步求解,有效简化了计算过程,近来被应用到定位问题中。通过引入辅助变量,建立具有光滑目标函数的最小化问题,提出了基于ADMM的传感器网络协同定位方法。借助于ADMM双变量交替迭代更新,推导了变量交替求解的代数解析表达式。通过引入近端缩放因子,对ADMM定位算法进行了优化,并从理论上说明了算法的全局收敛性。仿真分析结果表明,所设计的ADMM算法具有良好的全局收敛性能。在所测试的噪声水平内,ADMM算法的估计误差非常接近于克拉美罗下界(Cramer-Rao Lower Bound,CRLB)值。展开更多
交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Techn...交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Technology,5G)低密度校验(Low Density Parity Check,LDPC)码新型优化译码算法。通过在LP译码模型的目标函数中引入惩罚项,基于ADMM的变量节点惩罚译码有效地减轻了非积分解,从而提高了误帧率(Frame Error Rate,FER)性能。尽管ADMM在许多实际应用中表现出色,其收敛速度较慢以及对初始条件和参数设置敏感的问题仍然限制了其在高维、实时性要求高的场景中的进一步应用。特别是在LDPC线性规划译码过程中,ADMM的交替更新机制容易导致优化路径振荡,且在处理非精确约束时表现不佳。针对ADMM算法收敛速度慢的问题,我们提出了一种新的优化算法,该算法将Nesterov动量加速方法与ADMM相结合,以解决ADMM对LDPC译码器错误修正能力和收敛效率的影响。算法通过动量项减少迭代次数将一个Nesterov加速格式从无约束复合优化问题推广到ADMM惩罚函数模型,利用ADMM算法将原问题的约束条件有效转化为目标函数的一部分,从而构造出无约束优化子问题;在此基础上,进一步采用Nesterov加速技术对梯度下降迭代过程进行改进,以提高收敛速度和求解精度。仿真实验使用了三种不同码率的5G LDPC短码。结果表明,相对于现有ADMM惩罚译码算法,所提出的基于动量加速的ADMM译码算法不仅有大约0.2 dB的信噪比增益,而且平均迭代次数也降低了20%左右,加快了收敛速度。展开更多
为解决交替方向乘子法(alternating direction method of multipliers,ADMM)正则化极限学习机(regularized extreme learning machine,RELM)迭代收敛速度慢和迭代后期误差衰减停滞的问题,提出一种基于动态步长ADMM的正则化极限学习机,记...为解决交替方向乘子法(alternating direction method of multipliers,ADMM)正则化极限学习机(regularized extreme learning machine,RELM)迭代收敛速度慢和迭代后期误差衰减停滞的问题,提出一种基于动态步长ADMM的正则化极限学习机,记为VAR-ADMM-RELM.该算法在ADMM算法的基础上采用动态衰减步长进行迭代,并同时使用L1和L2正则化对模型复杂度进行约束,解得具有稀疏性和鲁棒性的极限学习机输出权重.在UCI和MedMNIST数据集中对VAR-ADMM-RELM、极限学习机(extreme learning machine,ELM)、正则化极限学习机(regularized ELM,RELM)和基于ADMM的L1正则化ELM(ADMMRELM)进行拟合、分类和回归对比实验.结果表明,VAR-ADMM-RELM算法的平均分类准确率和平均回归预测精度分别比ELM算法提升了1.94%和2.49%,较标准ADMM算法可以取得3~5倍的速度提升,且对异常值干扰具有更好的鲁棒性和泛化能力,在高维度多样本的场景下建模效率逼近标准极限学习机.该方法有效提升了ADMM算法的收敛速度,取得了比主流ELM算法更加优秀的性能表现.展开更多
传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度...传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度,将交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)应用到矢量水听器阵列的DOA估计中,考虑到海洋环境噪声,使用原子范数去噪方法(Atomic Norm Soft Thresholding,AST)来估计线谱参数,将原子范数最小化问题(Atomic Norm Minimization,ANM)转化为SDP问题,使用ADMM对SDP问题进行求解,最后使用对偶多项式估计角度。为了验证ADMM算法的性能,在不同信噪比和矢量阵元数条件下,与快速求根多重信号分类(Root-Multiple Signal Classification,ROOTMUSIC)算法和CVX进行对比仿真实验。结果表明,ADMM在保证DOA估计模型收敛性的同时,提高了算法效率。展开更多
在国家“双碳”目标驱动下,分布式新能源蓬勃发展,微电网作为新能源消纳的重要载体,在配电系统中的接入比例不断提高。考虑微电网、配电网等多个主体间交互的复杂性,提出多微电网接入智能配电网系统的分布式优化调度方法,提高系统运行...在国家“双碳”目标驱动下,分布式新能源蓬勃发展,微电网作为新能源消纳的重要载体,在配电系统中的接入比例不断提高。考虑微电网、配电网等多个主体间交互的复杂性,提出多微电网接入智能配电网系统的分布式优化调度方法,提高系统运行的经济性和安全性,促进分布式新能源消纳与利用。首先,提出考虑各自优化目标的微电网、配电网能量管理模型,在此基础上建立含多个微电网的智能配电网系统优化调度模型,并给出基于交替方向乘子法(Alternating direction method ofmultipliers,ADMM)的分布式求解策略,引入ADMM算法隐私保护机制,有效保护各运营商数据隐私。最后在接入3个微电网的IEEE 33节点配电系统上进行算例分析,验证了模型和算法的有效性、准确性,证实多微电网接入智能配电系统在确保经济、安全运行的同时,有效促进可再生能源的消纳。展开更多
针对目标函数中包含耦合函数H(x,y)的非凸非光滑极小化问题,提出了一种线性惯性交替乘子方向法(Linear Inertial Alternating Direction Method of Multipliers,LIADMM)。为了方便子问题的求解,对目标函数中的耦合函数H(x,y)进行线性化...针对目标函数中包含耦合函数H(x,y)的非凸非光滑极小化问题,提出了一种线性惯性交替乘子方向法(Linear Inertial Alternating Direction Method of Multipliers,LIADMM)。为了方便子问题的求解,对目标函数中的耦合函数H(x,y)进行线性化处理,并在x-子问题中引入惯性效应。在适当的假设条件下,建立了算法的全局收敛性;同时引入满足Kurdyka-Lojasiewicz不等式的辅助函数,验证了算法的强收敛性。通过两个数值实验表明,引入惯性效应的算法比没有惯性效应的算法收敛性能更好。展开更多
文摘超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统的信道通常以瑞利距离为边界分为近场信道和远场信道,混合场信道模型用路径数比例因子将球面波前的近场信道模型和平面波前的远场信道模型叠加,致使信道参数维数剧增,信道估计的导频开销极大,且由于离格能量泄露难以获取精确信道参数向量的稀疏度。针对这类通信系统的信道估计问题,为降低导频开销并提高计算效率,分析远场的角度域稀疏信道表示模型和近场的极化域稀疏信道表示模型,在稀疏信号恢复框架下将估计问题转化为L1范数优化问题,提出基于交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)的混合场稀疏信道估计算法,并提出一种改进的ADMM算法,将拉格朗日乘子更新用两步对称的方式迭代计算,使得算法的收敛速度更快,计算效率更高。这两种算法可摆脱常规正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法对信道稀疏度的依赖,相比于OMP算法在估计精度方面有较大提升。
文摘交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)是将大规模优化问题进行分步求解,有效简化了计算过程,近来被应用到定位问题中。通过引入辅助变量,建立具有光滑目标函数的最小化问题,提出了基于ADMM的传感器网络协同定位方法。借助于ADMM双变量交替迭代更新,推导了变量交替求解的代数解析表达式。通过引入近端缩放因子,对ADMM定位算法进行了优化,并从理论上说明了算法的全局收敛性。仿真分析结果表明,所设计的ADMM算法具有良好的全局收敛性能。在所测试的噪声水平内,ADMM算法的估计误差非常接近于克拉美罗下界(Cramer-Rao Lower Bound,CRLB)值。
文摘交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Technology,5G)低密度校验(Low Density Parity Check,LDPC)码新型优化译码算法。通过在LP译码模型的目标函数中引入惩罚项,基于ADMM的变量节点惩罚译码有效地减轻了非积分解,从而提高了误帧率(Frame Error Rate,FER)性能。尽管ADMM在许多实际应用中表现出色,其收敛速度较慢以及对初始条件和参数设置敏感的问题仍然限制了其在高维、实时性要求高的场景中的进一步应用。特别是在LDPC线性规划译码过程中,ADMM的交替更新机制容易导致优化路径振荡,且在处理非精确约束时表现不佳。针对ADMM算法收敛速度慢的问题,我们提出了一种新的优化算法,该算法将Nesterov动量加速方法与ADMM相结合,以解决ADMM对LDPC译码器错误修正能力和收敛效率的影响。算法通过动量项减少迭代次数将一个Nesterov加速格式从无约束复合优化问题推广到ADMM惩罚函数模型,利用ADMM算法将原问题的约束条件有效转化为目标函数的一部分,从而构造出无约束优化子问题;在此基础上,进一步采用Nesterov加速技术对梯度下降迭代过程进行改进,以提高收敛速度和求解精度。仿真实验使用了三种不同码率的5G LDPC短码。结果表明,相对于现有ADMM惩罚译码算法,所提出的基于动量加速的ADMM译码算法不仅有大约0.2 dB的信噪比增益,而且平均迭代次数也降低了20%左右,加快了收敛速度。
文摘传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度,将交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)应用到矢量水听器阵列的DOA估计中,考虑到海洋环境噪声,使用原子范数去噪方法(Atomic Norm Soft Thresholding,AST)来估计线谱参数,将原子范数最小化问题(Atomic Norm Minimization,ANM)转化为SDP问题,使用ADMM对SDP问题进行求解,最后使用对偶多项式估计角度。为了验证ADMM算法的性能,在不同信噪比和矢量阵元数条件下,与快速求根多重信号分类(Root-Multiple Signal Classification,ROOTMUSIC)算法和CVX进行对比仿真实验。结果表明,ADMM在保证DOA估计模型收敛性的同时,提高了算法效率。
文摘在国家“双碳”目标驱动下,分布式新能源蓬勃发展,微电网作为新能源消纳的重要载体,在配电系统中的接入比例不断提高。考虑微电网、配电网等多个主体间交互的复杂性,提出多微电网接入智能配电网系统的分布式优化调度方法,提高系统运行的经济性和安全性,促进分布式新能源消纳与利用。首先,提出考虑各自优化目标的微电网、配电网能量管理模型,在此基础上建立含多个微电网的智能配电网系统优化调度模型,并给出基于交替方向乘子法(Alternating direction method ofmultipliers,ADMM)的分布式求解策略,引入ADMM算法隐私保护机制,有效保护各运营商数据隐私。最后在接入3个微电网的IEEE 33节点配电系统上进行算例分析,验证了模型和算法的有效性、准确性,证实多微电网接入智能配电系统在确保经济、安全运行的同时,有效促进可再生能源的消纳。
文摘针对目标函数中包含耦合函数H(x,y)的非凸非光滑极小化问题,提出了一种线性惯性交替乘子方向法(Linear Inertial Alternating Direction Method of Multipliers,LIADMM)。为了方便子问题的求解,对目标函数中的耦合函数H(x,y)进行线性化处理,并在x-子问题中引入惯性效应。在适当的假设条件下,建立了算法的全局收敛性;同时引入满足Kurdyka-Lojasiewicz不等式的辅助函数,验证了算法的强收敛性。通过两个数值实验表明,引入惯性效应的算法比没有惯性效应的算法收敛性能更好。
