交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解两分块优化的研究已经逐渐完善,但对于非凸多分块优化的研究较少,提出了一种带松弛步长参数的对称邻近ADMM用于求解非凸一致性问题。在适当的假设条件下,证明了...交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解两分块优化的研究已经逐渐完善,但对于非凸多分块优化的研究较少,提出了一种带松弛步长参数的对称邻近ADMM用于求解非凸一致性问题。在适当的假设条件下,证明了算法的全局收敛性。其次,在效益函数满足Kurdyka-Lojasiewicz(KL)性质时,证明了算法的强收敛性。最后,数值实验验证了算法的有效性。展开更多
为加快故障发生后配电网供电恢复方法的求解效率,文中提出了一种基于改进交替方向乘子法(alternating direction method of multipliers,ADMM)的配电网多时段分布式供电恢复方法。以故障后最大化负荷恢复量和系统损耗最低为目标,建立了...为加快故障发生后配电网供电恢复方法的求解效率,文中提出了一种基于改进交替方向乘子法(alternating direction method of multipliers,ADMM)的配电网多时段分布式供电恢复方法。以故障后最大化负荷恢复量和系统损耗最低为目标,建立了配电网多时段供电恢复模型。引入超松弛技术和惩罚参数动态调整技术对ADMM进行改进,提出了基于自适应松弛惩罚参数ADMM的配电网多时段分布式供电恢复方法。最后在改进的IEEE-33节点系统上进行算例分析,结果表明文中所提基于自适应松弛惩罚参数ADMM具有较好的分布式计算性能。展开更多
提出一种基于交替方向乘子法的(Alternating Direction Method of Multipliers,ADMM)稀疏非负矩阵分解语音增强算法,该算法既能克服经典非负矩阵分解(Nonnegative Matrix Factorization,NMF)语音增强算法存在收敛速度慢、易陷入局部最...提出一种基于交替方向乘子法的(Alternating Direction Method of Multipliers,ADMM)稀疏非负矩阵分解语音增强算法,该算法既能克服经典非负矩阵分解(Nonnegative Matrix Factorization,NMF)语音增强算法存在收敛速度慢、易陷入局部最优等问题,也能发挥ADMM分解矩阵具有的强稀疏性。算法分为训练和增强两个阶段:训练时,采用基于ADMM非负矩阵分解算法对噪声频谱进行训练,提取噪声字典,保存其作为增强阶段的先验信息;增强时,通过稀疏非负矩阵分解算法,从带噪语音频谱中对语音字典和语音编码进行估计,重构原始干净的语音,实现语音增强。实验表明,该算法速度更快,增强后语音的失真更小,尤其在瞬时噪声环境下效果显著。展开更多
针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习...针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。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
电网中的不同电力公司所管辖子系统具有相互独立且互联的特点,各子系统之间的互联给电网的分布式计算带来一定挑战,如何实现大系统的分布式计算备受关注。提出基于交替方向乘子法(alternating directionmethod of multipliers,ADMM)的...电网中的不同电力公司所管辖子系统具有相互独立且互联的特点,各子系统之间的互联给电网的分布式计算带来一定挑战,如何实现大系统的分布式计算备受关注。提出基于交替方向乘子法(alternating directionmethod of multipliers,ADMM)的含风电场系统分布式直流最优潮流(direct current optimal power flow,DC-OPF)计算模型,该模型考虑风电并网对系统分布式DC-OPF的影响,采用分解协调法实现系统的分区过程,通过引入全局变量处理边界节点问题,在信息传递过程中无需中心处理系统,只在相邻子区域之间进行复制边界节点的信息传递以减少信息通信量,实现系统的全分布式DC-OPF计算。以6节点系统、IEEE-39节点系统分析全局变量的个数对迭代收敛的影响,并讨论风电并网对优化收敛的影响,最后通过仿真验证该文所提模型的准确性和有效性。展开更多
文摘针对具有星间链路(inter-satellite links,ISL)的低轨(low earth orbit,LEO)多卫星系统,提出了一种基于多卫星协作传输的和速率(sum rate,SR)最大化预编码算法.传统的预编码算法需要复杂的星上计算来得到数值解,这导致低轨卫星系统面临较大的计算开销和延迟问题.为解决上述关键问题,设计了一种基于交替方向乘子法(alternating direction method of multipliers,ADMM)的高吞吐量、低复杂度、具有闭式解的分布式预编码算法.该算法通过构建辅助变量和问题分解,将预编码设计问题转化为多个子问题并行求解,每个子问题仅有一个约束条件,并在每次迭代后仅通过星间链路交换设计的数据矩阵,从而有效实现分布式预编码.仿真结果表明,与典型的两步和速率最大化算法相比,所提出的算法可以实现更高的和速率,同时大幅降低计算复杂度.
文摘交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解两分块优化的研究已经逐渐完善,但对于非凸多分块优化的研究较少,提出了一种带松弛步长参数的对称邻近ADMM用于求解非凸一致性问题。在适当的假设条件下,证明了算法的全局收敛性。其次,在效益函数满足Kurdyka-Lojasiewicz(KL)性质时,证明了算法的强收敛性。最后,数值实验验证了算法的有效性。
文摘为加快故障发生后配电网供电恢复方法的求解效率,文中提出了一种基于改进交替方向乘子法(alternating direction method of multipliers,ADMM)的配电网多时段分布式供电恢复方法。以故障后最大化负荷恢复量和系统损耗最低为目标,建立了配电网多时段供电恢复模型。引入超松弛技术和惩罚参数动态调整技术对ADMM进行改进,提出了基于自适应松弛惩罚参数ADMM的配电网多时段分布式供电恢复方法。最后在改进的IEEE-33节点系统上进行算例分析,结果表明文中所提基于自适应松弛惩罚参数ADMM具有较好的分布式计算性能。
文摘提出一种基于交替方向乘子法的(Alternating Direction Method of Multipliers,ADMM)稀疏非负矩阵分解语音增强算法,该算法既能克服经典非负矩阵分解(Nonnegative Matrix Factorization,NMF)语音增强算法存在收敛速度慢、易陷入局部最优等问题,也能发挥ADMM分解矩阵具有的强稀疏性。算法分为训练和增强两个阶段:训练时,采用基于ADMM非负矩阵分解算法对噪声频谱进行训练,提取噪声字典,保存其作为增强阶段的先验信息;增强时,通过稀疏非负矩阵分解算法,从带噪语音频谱中对语音字典和语音编码进行估计,重构原始干净的语音,实现语音增强。实验表明,该算法速度更快,增强后语音的失真更小,尤其在瞬时噪声环境下效果显著。
文摘针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。
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。
文摘电网中的不同电力公司所管辖子系统具有相互独立且互联的特点,各子系统之间的互联给电网的分布式计算带来一定挑战,如何实现大系统的分布式计算备受关注。提出基于交替方向乘子法(alternating directionmethod of multipliers,ADMM)的含风电场系统分布式直流最优潮流(direct current optimal power flow,DC-OPF)计算模型,该模型考虑风电并网对系统分布式DC-OPF的影响,采用分解协调法实现系统的分区过程,通过引入全局变量处理边界节点问题,在信息传递过程中无需中心处理系统,只在相邻子区域之间进行复制边界节点的信息传递以减少信息通信量,实现系统的全分布式DC-OPF计算。以6节点系统、IEEE-39节点系统分析全局变量的个数对迭代收敛的影响,并讨论风电并网对优化收敛的影响,最后通过仿真验证该文所提模型的准确性和有效性。
