针对整数最小二乘模糊度降相关平差(LAMBDA)算法解算高维整周模糊度效率比较低的问题,该文从模糊度解算一般规则是一个非线性整数规划问题的角度出发,提出了一种改进模拟植物生长算法.该算法是一种智能优化算法.通过多组高维模拟数据和实测数据,将该文算法与LAMBDA算法及MLAMBDA算法进行了对比分析.结果 显示,当模糊度维数等于45维和50维时,该文算法在运算效率上略优于LAMBDA算法.当维数达到55维及以上时,相比于LAMB-DA和MLAMBDA算法运算速度分别提高了至少52.8％和19.2％.因此改进模拟植物生长算法对于快速固定高维整周模糊度具有一定的应用参考价值.

针对多项式模型拟合的参数求解问题,依据最优化方法理论,将其转化为有约束的非线性规划问题进行求解,采用最速下降法进行迭代,从而在不线性化的情况下解决非线性问题.首先通过分析外点法的罚因子、目标函数和迭代初值,说明对外点法改进的合理性;再通过算例,说明该方法的可行性,并与常规方法比较,显示出其精度高、多解性等优点,为研究非线性模型空间数据处理理论提供一种新的思路.

针对高维整周模糊度解算问题,提出了一种新的搜索算法,采用自适应差分进化算法,利用其特有的全局、快速、并行搜索的特性对高维模糊度进行固定.根据所求解问题的特点,在原有自适应差分进化算法的基础上对部分参数进行重新设定,从而实现模糊度的快速搜索.并以LAMBDA算法的解算结果和运算速率为依据,验证本算法结果的正确性和解算的快速性.通过模拟和实测不同维数的数据进行验证,表明该算法对高维模糊度解算具有一定的应用参考价值,且具有较好的可靠性和鲁棒性.