一族具有四阶收敛的迭代算法

考虑求解非线性方程组F（x）=0的迭代解法。从一族三阶局部收敛的迭代算法及一个具有四阶局部收敛性的迭代算法出发,推导出一族具有四阶收敛性的迭代算法。适当选取系数,可以得到一个具有较小计算量的四阶局部收敛性的新迭代算法,该迭代算法避免了计算F（x）的二阶Fr&;#233;chet导数。     

一种求解非对称线性方程组的JBICR算法

针对求解大型稀疏非对称线性方程组,研究了大规模稀疏线性方程组的预条件迭代求解算法.结合Krylov子空间方法和Jacobi迭代,给出了一个新的求解算法,即预处理雅可比-双共轭残量法(简称JBICR),同时给出了算法的收敛性分析.数值实验显示了算法的快速收敛性.     

Riemann-Liouville分数阶P型迭代算法的收敛性

运用Laplace变换和Mittag-Leffler函数,研究一类Riemann-Liouville分数阶P型迭代算法的收敛性,建立并证明了开闭环P型迭代算法收敛性定理.结果表明:此算法在Riemann-Liouville分数阶系统中是可行、有效的,拓宽了迭代学习算法的应用范围.     

基于矩阵分裂的鞍点问题的SOR-LIKE收敛性研究

目的研究鞍点问题的迭代方法SOR-LIKE算法的收敛性。方法用矩阵分裂理论,在求解中通过改变矩阵分裂构造出系数矩阵的一般化分裂算法,运用矩阵理论分析该算法的收敛性。结果与结论找到一般分裂算法下的收敛条件,并通过数值实验来检验迭代法的收敛性。     

含参数形式的鞍点问题SOR-LIKE求解方法

在求解鞍点问题的迭代方法SOR-LIKE算法中,通过引入参数构造出系数矩阵的一般化分裂算法,运用矩阵理论分析该算法的收敛性,并用数值实验来检验迭代法的收敛性.     

非线性最优化问题几种梯度算法的研究

借助目标函数的梯度或次梯度作为搜索方向解决最优化问题的最优化算法.研究共轭梯度法、投影梯度法、增量次梯度法以及邻近梯度法的迭代形式、迭代特点、收敛性分析以及实际应用范围,并介绍一些与梯度算法相关的最优化方法,对它们在收敛性、算法运用以及优缺点方面进行比较.     

Hilbert空间中一般形式的松弛余强制变分不等式方程组的迭代逼近问题

利用投影方法研究了一类松弛余强制变分不等式方程组解的问题,给出了其解的迭代算法,并证明了由迭代算法生成的迭代序列的收敛性。所得结果改进和推广了最近文献的一些相应结果。     

工程建模下过程控制的迭代学习控制算法及其收敛性

针对过程控制中工程化建模方法 ,得到的对象模型为传递函数形式 ,而目前的研究是化为状态空间表示 ,因而迭代学习算法及收敛性条件是以矩阵的形式表示 ,不太适合于实际应用的事实。文章用时频结合的方法给出了设定值变化下的迭代学习算法 ,并以系统参数形式地给出几种学习算法的收敛性定理 ,同时通过仿真表明其正确性     

一种解析延拓方法松驰迭代外推技术

从积分方程观点对解析延拓提出松弛迭代外外推技术，并证明了此算法的收敛性，指出收敛程度由松弛因子和已知的部分谱决定，此算法弥补了Ｐａｐｏｕｌｉｓ算法中关于某类函数迭代的收敛性。     

耦合Sylvester矩阵方程的改进的梯度迭代算法

本文通过构造矩阵分裂,结合线性系统的迭代方法,提出了求解耦合Sylvester矩阵方程的两种梯度迭代算法,并研究了这两种算法在满足初始迭代条件下的收敛性.最后给出数值算例验证了这两种算法的有效性.     

WGS-84坐标系下改进的广义最小二乘配准算法

针对广义最小二乘算法在WGS-84坐标系中存在收敛速度慢及收敛性能不稳定的问题,提出了一种改进的广义最小二乘算法.该算法以收敛步数作为最小二乘算法中的量测精度加权因子,使得量测精度随着步数的变化而变化,从而实现了收敛步数的减少和收敛之后稳定性的改善,提高了目标跟踪定位的性能.仿真结果表明,改进的广义最小二乘算法优于广义最小二乘算法,进一步验证了该算法的有效性.     

基本蚁群算法的A.S.收敛性研究

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法，虽然该算法已经在众多组合优化领域中得到广泛应用，但是对其收敛性尤其是A．S．（AlmostSurely）收敛性问题的研究还存在很多空白．本文在介绍蚁群算法基本原理的基础上，以Markov链和离散鞅作为研究工具，对基本蚁群算法的A．S．收敛性问题进行了理论证明，把最优解集序列转变为下鞅序列来考察残留信息素轨迹向量的收敛性，随后提出了基本蚁群算法首达时间的定义，并对基本蚁群算法首次到达时间的期望值进行了理论分析．     

多目标非光滑半无限规划极大熵方法及收敛性

用极大熵方法来逼近目标非光滑半无限规划,并利用熵函数序列的一些收敛性质（v-收敛性,即variational convergence),在一般意义下给出该逼近方法的收敛性。     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

基于拓扑区域一体化成型映射机制的物联网快速收敛算法

为解决物联网快速收敛算法存在的收敛性能较差、网络稳定时间较短的不足,提出了基于拓扑区域一体化成型映射机制的物联网快速收敛算法。首先,根据物联网节点分布具有的随机分布特性及泊松分布特性,通过聚类方式来构建聚合度-权重值裁决模型,以实现路由的稳定收敛,消除因簇头节点失效而导致的区域上传缓慢的现象;随后,采用退避机制来提升簇头节点的传输性能,有效降低因能量受限而导致的网络传输缓慢的现象,优化路由收敛性能,降低因路由抖动而导致的网络瘫痪概率。仿真实验结果表明:与常见的时间度一体化物联网收敛算法(Convergence Algorithm for Time-Integrated Internet of Things,TI-IOT算法)、路由集中度快速收敛算法(A Fast Convergence Algorithm for Routing Concentration Degree,RCD算法)相比,所提算法具有更高的网络稳定工作时间及较快的收敛速度,以及更小的路由冗余度。     

基于时域正交TDO-LMS的变步长盲干扰抑制改进算法

为了寻求一种快速收敛的低复杂度LMS盲多用户检测改进算法,在时域正交TDO-LMS算法基础上,通过对接收向量时域解相关,达到加快步长收敛的目的.静态和动态干扰环境下的仿真结果表明：改进算法克服了传统盲LMS算法中步长受相关矩阵特征值影响的缺点,在保持原先输出信干比性能的前提下,表现出快速的收敛特征和良好的鲁棒性.     

基于改进 FastICA 的冲击波工频干扰消除算法

在火炮冲击波信号测试领域中, 为解决陷波算法消除工频干扰损失有效信号成分的问题, 提出了一种改 进的 FastICA 算法消除工频干扰。 采用五阶收敛的牛顿迭代形式改进基于负熵的 FastICA 算法, 使其不仅具备 负熵算法的高精准度, 而且收敛速度快, 迭代次数少。 仿真结果表明, 该算法的相似系数和信噪比达到 0. 999 99和 45 dB, 较传统陷波算法的 0. 996 和 21 dB 有明显的优势。 相比于基于负熵的 FastICA 算法, 改进算 法与其精准度相同, 但迭代次数减少了 26. 7%; 与收敛速度较快的峭度算法相比, 改进算法迭代次数更少, 收 敛速度更快, 稳定性更高。 该算法具备精准度高、 收敛速度快和迭代次数少等优势, 因此适用于实时处理冲击 波的测试场合。     

变分不等式有限元逼近的并行Schwarz算法

讨论了单障碍问题有限元逼近的并行Ｓｓｈｗａｒｚ算法，建立了与吕涛的算法等价的实用算法，并说明了其收敛性，同时讨论了该处对于贴合于分量有有限步收敛性。     

基于自适应调整权重和搜索策略的鲸鱼优化算法

针对鲸鱼优化算法(WOA)收敛速度慢、收敛精度低、易陷入局部最优的问题,提出一种基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA).设计一种随着鲸鱼种群变化情况而自适应调整权重的方法,提高了算法的收敛速度; 设计一种自适应调整搜索策略,提高了算法跳出局部最优的能力.利用23个标准测试函数,分别针对高维和低维问题进行测试,仿真结果表明,AWOA在收敛精度和收敛速度方面总体上明显优于其他多种改进的鲸鱼优化算法.     

不光滑凸函数的下降算法

给出一个易在计算机上实现的极小化凸不光滑函数的下降算法，在目标函数下有界的条件下，证明了算法的全局收敛性；此外还把算法推广到约束凸规划问题，得到了与无约束问题同样的收敛结果，如果约束是线性的，则算法是数值可行的。和已有的下降算法相比，该算法具有更好的适应性。