混合粒子群算法在地震波阻抗反演中的应用

为提高地震波阻抗反演的精度，提出了一种结合了混沌和遗传思想的混合粒子群算法。算法在搜索初期，加入了混沌思想，使算法具有了遍历性。在粒子更新过程中，又加入了选择、交叉、变异思想，增强了粒子之间的联系和粒子的多样性，使算法收敛速度更快，更容易跳出局部极值。针对模型对该算法进行了测试与对比，测试结果表明，该算法在反演精度上明显优于传统粒子群算法; 对算法的抗噪性进行了分析，在模型中加入15%噪声时，虽有一定误差，但符合度依然较好，表明本算法具有一定的抗噪声能力; 最后将算法用于实际地震资料，得到了良好的效果，表明本算法具有一定的实用价值。     

珊瑚礁算法的改进研究

珊瑚礁算法易于陷入局部最优且寻优精度低，因此提出一种改进的珊瑚礁算法.此算法借鉴粒子群算法、高斯变异和模拟退火算法的思想改进珊瑚礁算法的内部有性繁殖、无性繁殖和更替机制，提高了算法的寻优精度并可跳出局部最优.在仿真实验中，将改进珊瑚礁算法与基本珊瑚礁算法和粒子群算法等10种算法分别在高维和低维测试函数下进行比较.实验结果表明，改进的珊瑚礁算法不仅较其他算法具有更好的收敛速度和精度，而且在高维测试函数中，仍然可以保持良好的性能.     

基于关联规则算法的研究

本文主要介绍了数据挖掘中的关联规则，分析了关联规则中的主要算法，包括Apriori算法、FP-Growth算法以及CRApriori算法，并且阐述了各种算法的主要特点。     

BP 算法的可视化研究与 BP 智能算法

本文利用算法的可视化技术，从ＢＰ算法的基本原理出发，分析、研究了梯度、共轭自适应算法的长与短，提出了共轭梯度自适应算法的设想，并在此基础上，利用模拟退火算法思路，构制了ＢＰ智能算法。最后对实际资料进行了多种算法的对比试算，证实了共轭梯度法和ＢＰ智能算法与原算法相比，提高了速度，增强了算法对不同对象的自适应性和智能性。     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

一种运用取补单一变量生成不交化和的改进算法

在ＡＬＲ算法和ＡＬＬ算法的基础上，给出一种新算法（ＭＩ算法）。该算法的主要特点是用一种新方法代替ＡＬＲ算法中的取补运算和不交化过程，同时又采纳了ＡＬＬ算法中的外循环排序法。因此，ＭＩ算法比ＡＬＲ及ＡＬＬ算法直观、简便，且容易在计算机上实现。     

基于自适应Levy飞行改进的TDOA三维定位算法

针对已有的算法在基于到达时间差(time difference of arrival, TDOA)测量方案中存在的搜索能力不均衡，导致三维定位区域局部存在定位精度低甚至求解失败的问题，提出了一种基于改进探路者优化算法(pathfinder algorithm, PFA)的TDOA定位算法，通过将自适应Levy飞行和改进后的PFA算法进行融合，增强了个体对定位区域复杂环境的适应性，解决算法早熟、易陷入局部最优等问题，提升了算法综合性能.通过仿真和实验，结果表明：与Taylor算法、LM算法相比，本文提出的算法(Levy-pathfinder algorithm, LPFA)可以提高定位精度；与PSO算法、PFA算法相比，LPFA算法可以在提高运算速度的同时得到更准确的定位结果.     

求解物流配送中心选址问题的改进鸽群算法

为了提高鸽群优化算法求解物流配送中心选址问题的优化效果，减少物流配送成本，提出了一种改进的鸽群优化算法。该算法在基础鸽群优化算法上，引入灰狼优化算法在寻优过程中的捕食策略，能够有效地提高鸽群优化算法的局部搜索能力、增强算法的寻优性能。由函数测试实验可得，该算法在求解测试函数最优值上具有寻优速度快、收敛精度高的特点。最后，将其应用到求解物流配送中心选址问题中，实验结果表明：改进的鸽群优化算法更适合求解高维物流配送中心选址问题。     

一种基于异常的自适应非选择性算法研究

本文研究的重点是检测器生成算法，在非选择性变异算法（Negative Selection Mutation，NSMutation）的基础上，提出了一种自适应非选择性算法，完成了算法的设计、性能分析和实验。实验结果表明，新算法在正确检测、错误检测、计算时间上都表现出优越的性能。     

Navier-Stokes方程的一类矩形元逼近方法

讨论了Navier-Stokes方程的一类矩形非协调元方法.在区域剖分不要求满足通常的正则性条件下,通过相应矩形元及Navier-Stokes投影,得到了与传统有限元相同的最优误差估计,从而扩展了有限元的工程应用范围.     

一类发展方程的矩形非协调元逼近方法

讨论一类发展方程——Navier-Stokes方程的矩形非协调有限元逼近方法.在区域剖分不要求满足通常的正则性假设或拟一致假设情形下,通过相应的矩形元及Navier-Stokes投影,得到与传统有限元相同的最优误差估计结果,从而扩展了有限元方法的工程应用范围.     

Sobolev方程H1-Galerkin混合有限元全离散分析

讨论了Sobolev方程初边值问题全离散化的H^1-Galerkin混合有限元解的误差估计．在处理解的误差估计时，通常采用Galerkin-有限元法或混合有限元法．本文采用日H^1-Galerkin混合有限元法，给出了Sobolev方程初边值问题的H^1-Galerkin混合看限元法全离散数值格式，得到了关于未知函数及其伴随向量函数H^1-Galerkin混合有限元解与真解的H^1模最优阶误差估计．     

可压缩核废料污染问题的变网格特征有限元法

对多孔介质中可压缩核废料污染问题提出并分析了一类特征线修正的变网格混合元方法 ,即对流动方程采用混合元方法 ,对浓度方程和传热方程采用变网格特征有限元法 .从而在不增加计算量的基础上可采用对时间t的大步长计算 ,充分地发挥了有限元数值解法的高精度优越性 ,并在相当一般的情况下得到了L2 模误差估计 .     

有限差分方法在股票期权定价中的应用

针对不付红利的美式看跌期权,利用有限差分法对股票期权价格所满足的Black-Scholes微分方程进行了数值模拟。通过数值例子对隐式差分格式和显式差分格式的所有缺点加以比较,并通过细网格的剖分得到更精确的解,取得一些实际期权交易中有用的结果。     

变分不等式问题的一类矩形非协调元逼近方法

讨论了变分不等式问题的一类矩形非协调有限元方法.在区域剖分不要求满足通常的正则性条件下,通过利用相应矩形元及椭圆投影,得到了和传统有限元相同的最优误差估计,从而扩展了有限元的工程应用范围.     

弹性力学弱形式广义基本方程的建立和应用

建立了弹性力学中的弱形式广义基本方程,并以此为基础,检验和简单综述了第一作者以前的有关离散算子、广义差分、拟协调元和弹性力学的哈密顿正则方程的工作。广义方程包括经典微分方程和边界条件在一起,如此不仅有限元法,而且差分法都具有自然边界条件,若干不同变分原理可以从弱形式方程导出,而且是它的特殊情况,给出了它们的限制范围,并给出在弱连续条件下的势能原理,而它是协调元和非协调元的共同基础。从弱形式方程运用局部函数可以导出离散算子方程,它包括有限元方程和差分方程同在一体,拟协调元法是广义协调方程的解,自然满足平衡对弱连续条件的要求,叙述了弱形式的弹性力学哈密顿正则方程,边界条件作为非齐次项,以便于采用数值、半解析和解析计算方法。     

非线性抛物最优控制问题插值系数混合有限元解的先验误差估计

采用插值系数的思想去处理方程中的非线性项,建立了非线性抛物最优控制问题插值系数混合有限元的离散格式,对状态方程和对偶状态方程利用最低阶的Raviart-Thomas混合有限元逼近,控制变量利用分片常函数逼近,应用一些偏微分方程混合有限元的误差估计结果,得到状态变量和控制变量逼近解的最优阶先验误差估计.     

Navier-Stokes方程的数值解法

介绍了N-S方程二维非定常粘性不可压缩流体的两种数值解法；有限差分法和有限元法，并从求解方法、稳定性、收敛性和误差上对两种方法进行对比。     

Sobolev方程的H1-Galerkin混合有限元方法

利用H1-Galerkin混合有限元方法分析了一维线性Sobolev方程,得到了未知函数和它的伴随向量函数有限元解的最优阶误差估计,该方法的优点是不需验证相容性条件即可得到和传统混合有限元方法相同的收敛阶数.