作者：刘昊霖; 池金龙; 邓清勇; 彭鑫; 裴廷睿稀疏重构多目标优化自适应局部搜索正则化软阈值
摘要：在稀疏重构中,重构误差项和稀疏项通常使用一个正则化参数聚合成单目标函数,很难实现 2个目标的均衡优化,这个缺陷通常导致稀疏重构精度低.为此,提出一种自适应局部搜索的多目标进化算法.首先,基于范数和l1范数和l1/2范数分别设计了2种梯度迭代软阈值法的局部搜索方法求得相应解,这2种局部搜索方法可以提高解的收敛速度和精确度;其次,通过比较对应的目标函数值来竞争选取每轮的优胜解;然后,采用基于竞争成功率的自适应择优局部搜索方法来产生后期解;最后,在帕雷托前沿面的膝盖区域上采用角度法选取最优解.实验结果表明:测量误差和稀疏项可以达到平衡,在重构精度方面,提出的方法远高于现有的传统单目标方法.相比于StEMO算法,当测量维度 M =600时,该方法可以提高33.8%;当噪声强度δ=0.002时可以提高82.7%;当稀疏率 K/N =0.3时可以提高7.38%.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
